基于多道相似系数的微地震事件自动识别

谭玉阳,何 川,曹 耐

(1.北京大学地球与空间科学学院石油与天然气研究中心,北京100871;2.中国石油大学(北京)石油工程学院,北京102249)

基于多道相似系数的微地震事件自动识别

谭玉阳1,何 川1,曹 耐2

(1.北京大学地球与空间科学学院石油与天然气研究中心,北京100871;2.中国石油大学(北京)石油工程学院,北京102249)

水力压裂微地震事件的自动识别是微地震数据处理流程中的一项关键步骤。目前常用于微地震事件识别的STA/LTA方法仅利用单道的振幅(或能量)特征差异进行事件识别,因此,容易遗漏低信噪比事件。针对这一问题,提出了一种基于多道相似系数的微地震事件自动识别新方法。该方法的基本思路是在一个滑动时窗内对分段记录进行时差校正后计算其多道相似系数,并利用该相似系数作为检测微地震事件存在与否的依据。合成数据试算结果表明,该方法能够成功识别出信噪比仅为-2.5dB的有效事件。将此方法应用于实际资料的处理,微地震事件识别的准确率达到90%以上。通过与STA/LTA方法处理结果进行对比分析,证明了该方法是一种更为有效的微地震事件识别方法。

微地震;事件识别;互相关函数;多道相似系数;误拾率

水力压裂微地震监测技术是一项通过观测注水压裂过程所诱发的微弱地震事件来监测压裂裂缝发育状况的技术,其中微地震事件的自动识别是该技术的一项关键处理步骤,其识别出的有效微地震事件数目将直接影响最终裂缝成像结果的可靠程度。通常情况下,水力压裂所产生的大部分微地震事件的能量均十分微弱,容易淹没在环境噪声中。在处理过程中,如果仅仅采用信噪比较高的微地震事件进行裂缝作图,一般情况下只能对地下裂缝的形态特征和分布规律有一个大致的了解;而如果能够从实际资料中识别出那些低信噪比事件并用于裂缝成像,则有助于人们更加详细地了解裂缝发育的整个过程。

微地震事件识别以有效信号和环境噪声的差异识别为基础,目前在微地震数据处理中最常用到的事件识别方法称为长、短时窗平均值之比(即STA/LTA)方法。STA/LTA方法最早用于天然地震研究领域中进行震相识别[1-3],许多专家、学者对此做过深入的研究,并且提出了不同的改进方法[4-12]。近些年随着微地震监测技术的出现及发展,该方法也被用于进行微地震事件的自动识别[13-19]。STA/LTA方法的基本原理是利用有效信号与环境噪声在振幅(或能量)方面存在的明显差异来识别微地震事件,通过计算长、短滑动时窗内信号振幅(或能量)的平均值之比来作为检测微地震事件存在与否的依据。STA/LTA方法最显著的优点是原理简单、容易实现,并且能够满足实时处理的要求,但该方法只对信噪比较高的微地震事件识别较为有效,而对于低信噪比事件的识别往往无法取得令人满意的效果。

针对STA/LTA方法存在的上述问题,本文提出了一种基于多道相似系数的微地震事件自动识别新方法。该方法的主要思路是：首先在一个滑动时窗内计算选定的参考道与其它各道的互相关函数,并将互相关函数最大值所对应的时移量作为其它各道相对于参考道的时差;然后,利用该时差对相应各道进行时差校正,并计算经过时差校正后该分段记录的多道相似系数;最后,如果在某一时刻该相似系数的值超过了预先设定的触发阈值,那么即认为在该时刻所对应的时窗内存在一个有效微地震事件。与STA/LTA方法仅利用单道的振幅(或能量)特征差异进行事件识别相比,本文方法利用了微地震事件与环境噪声在各道之间的波形差异,通过计算一个多道相似系数来描述这种差异并进行微地震事件识别,因此,它能够避免由于有效事件中某几道数据的信噪比过低而遗漏整个事件的情况。通过合成数据和实际资料的处理并与STA/LTA方法处理结果进行对比分析,验证了本文方法的可行性和有效性。

1 方法原理

图1为本文提出的基于多道相似系数的微地震事件自动识别方法的原理图。该方法首先选用一个滑动时窗将整个地震记录划分成连续的多段记录。在选择该滑动时窗时要求其长度必须能够包含整个P波或S波初至,在实际应用时可以根据射孔记录来给出该时窗长度一个估计值。此外,该滑动时窗的移动步长不能设定得太大或太小,因为太大的步长容易将同一微地震事件的P波或S波初至划分到相邻的两段记录中,对接下来的处理造成困难;而太小的步长则会大大增加处理时间,无法满足实时处理的要求。在实际应用时,建议选取时窗长度的1/20～1/10作为移动步长。

图1 基于多道相似系数的微地震事件自动识别方法原理

对于上述得到的每一段分段记录,选取其中信噪比最高的一道作为参考道,并计算该参考道与其它各道的互相关函数,其表达式为：

(1)

式中:Xr(i)和Xj(i)(i=1,2,…,N;j=1,2,…,M;j≠r)分别表示选定的参考道和其它任意一道数据;N为记录道的采样点数;n为某一时间采样点;E表示求时间序列的期望。假设互相关函数Rj(n)的最大值所对应的时间采样点为nj,max,则它表示当Xj(i)向左(或向右)平移nj,max个采样点时,Xr(i)和Xj(i)的波形具有最大的相似度,因此该时间采样点可视为两道之间的相对时差。

利用上述得到的时差信息,即可通过调整每段记录中各道的时窗位置来对该段记录进行时差校正,即根据每道记录的相对时差向前(或向后)移动其所对应的时窗。如果某一分段记录中包含了微地震事件的P波(或S波)初至,那么经过时差校正后,该初至波的同相轴会被拉平;而如果该分段记录中只含有随机噪声,那么经过时差校正后的记录中仍然只有噪声。

微地震事件的P波(或S波)初至在不同记录道上表现出较好的波形一致性,而随机噪声序列是互不相关的,因此,在完成时差校正后,我们通过计算一个多道相似系数来对二者进行区分。该相似系数的计算公式为：

(2)

式中:Xj(i)表示第j道的第i个采样点;N为每道记录中的采样点个数;M为记录中总的道数。本文方法利用相似系数S作为检测微地震事件存在与否的依据,即如果某一时刻它的值超过了预先设定的触发阈值,则在该时刻所对应的时窗内认为存在一个有效微地震事件。

触发阈值是本文方法的另一个关键参数,选取的触发阈值是否合适将极大地影响方法的检测能力和准确性。如果选取的触发阈值较小,将有助于识别信噪比较低的微地震事件,但这样做可能会增加错误识别的事件个数;反之,如果选取的触发阈值较大,虽然可以减小该方法的误拾率,但却有可能遗漏某些低信噪比事件。在实际应用时,如果仅仅需要提取出少数信噪比较高的微地震事件(例如实时处理过程),则可以选取一个较大的触发阈值(如S>0.5);如果为了识别尽可能多的微地震事件(例如后期处理过程),则需要从一个较小的阈值开始,通过多次试验,直到选取的值能够保证该方法的准确性达到要求为止。

2 合成数据试算

首先利用合成数据来检验本文方法的应用效果。图2为该算例所采用的合成微地震记录,其中包含了4个具有不同信噪比(从左到右依次为25.5,19.0,11.5,-2.5dB)的有效事件。这些事件由同一子波(即50Hz雷克子波的一阶导数)按照不同的走时规律进行延迟合成得到。另外,对每个事件分别乘了不同的加权系数,且这些系数在各道之间按指数规律衰减,目的是为了模拟不同传播路径对地震波产生的衰减效应。

在利用本文方法处理该合成数据时,选用的滑动时窗长度和移动步长分别为150个和20个采样点,触发阈值为0.1,并选择第1道数据作为各分段记录的参考道。图3为计算得到的相似系数曲线。由图3可以看出,该相似系数曲线的4个峰值(图中红色箭头所示的位置)均超过了我们预先设定的触发阈值,并且它们的位置恰好对应于合成记录中4个有效事件的时间位置。这一结果表明,虽然这4个微地震事件的信噪比各不相同,且最后一个事件的信噪比只有-2.5dB,但利用本文方法仍然能够成功地将它们识别出来。

为了与本文方法的应用效果进行对比,再采用STA/LTA方法对该合成数据进行处理。在计算STA/LTA比值时选用的长、短滑动时窗长度分别为80个和40个采样点(即分别为合成数据所选用子波长度的2倍和1倍),触发阈值为2,并假设在某一时刻附近有8道以上数据的STA/LTA比值超过了触发阈值,即认为在该时刻存在一个有效事件。图4为该合成数据中每一道记录的STA/LTA比值。通过该图我们发现,在前3个事件所在的时段分别有16,14,12道记录的STA/LTA比值超过了预先设定的触发阈值。在实时处理过程中,这一现象表明了在相应的时刻附近存在一个有效事件。然而对于最后一个事件,由于信噪比过低,在其所对应的时段内只有6道记录的STA/LTA比值超过了触发阈值。因此,在进行微地震事件自动检测时,该事件通常会被视为噪声而被剔除。

图2 合成微地震记录(其中各道数据均经过了归一化处理)

图3 利用本文方法对合成微地震记录进行处理得到的相似系数曲线(其中红色横线表示触发阈值0.1)

图4 利用STA/LTA方法对合成微地震记录进行处理得到的STA/LTA比值曲线(其中红色横线表示触发阈值2)

3 实际资料处理

利用本文方法对实际的微地震监测资料进行了处理和分析。该实际资料包含了对同一口水平井进行的11段水力压裂施工的微地震监测数据。在采集该资料时所使用的观测系统为一个15级的井下检波器串,其级间距为10m,时间采样间隔为0.5ms。在进行压裂监测时,该观测系统被布设在压裂井附近的一口直井中进行数据采集。

在利用本文方法处理该实际资料时所选取的参数为:滑动时窗长度300个采样点,移动步长10个采样点,触发阈值0.1,且参考道为第15道记录。利用本文方法从该资料中共识别出了1894个事件(图5),这些事件大致可分为3类:①同时包含P波和S波的有效微地震事件(图5a);②只包含P波(或S波)的单震相事件(图5b);③仪器噪声事件(图5c)。表1为各压裂段中识别出的这3类事件个数的统计结果。这里,为了能够定量地描述本文方法的准确性,我们采用(3)式来计算结果的误拾率(ηFTR)。

(3)

式中:Nnoise为噪声事件的个数;Ntotal为识别出的所有事件的个数。根据表1中列出的各类事件的个数可计算得到本文方法对于各段数据的误拾率(即表1中最后一行所示)。通过分析表1中的数据可知,对于第1～8压裂段的监测数据,本文方法的误拾率均低于10%,这表明对于这些压裂段利用本文方法进行微地震事件识别的准确率高于90.0%。而对于第9～11压裂段,本文方法的准确率则相对偏低,其中第9段的误拾率为54.3%,第11段的误拾率为91.3%。造成这一现象的主要原因是,在压裂施工的后期,随着压裂段位置与监测井之间距离的增大,观测系统只能记录到少数能量较大的微地震事件;同时,由于单段监测时长的增加(例如第11段的监测时长为其它各段的3倍),造成了识别出的噪声事件增多。

图5 实际微地震监测资料中识别出的各类事件

为了与本文方法的处理结果进行对比分析,再采用STA/LTA方法对该实际微地震监测资料进行处理。在采用STA/LTA方法处理时选取的长、短滑动时窗长度分别为100个和50个采样点,触发阈值为5,并假设在某一时刻附近有8道或8道以上数据的STA/LTA比值超过了触发阈值,即认为在该时刻存在一个微地震事件。通过利用STA/LTA方法识别出的事件总数为4119个,其中611个为有效微地震事件,242个为单震相事件,而其余3266个则为噪声事件。这里,利用STA/LTA方法识别出的噪声事件中除了少数如图5c所示的仪器噪声外,还存在大量如图5d所示的噪声事件(文献[20]中称之为“井筒波”)。由于此类噪声事件的初至走时规律与有效微地震事件相近,且能量较强,采用本文方法能够自动剔除这类噪声,而采用STA/LTA方法则无法对二者进行区分,由此造成了STA/LTA方法在此实际资料应用中极高的误拾率。表2给出了不同压裂段中采用STA/LTA方法识别出的上述3类事件个数的统计结果。由此可得STA/LTA方法的误拾率为79.3%,这表明利用STA/LTA方法对该实际资料进行微地震事件识别的准确率仅为20%左右。

表1 利用本文方法从实际资料中识别出的各类事件个数统计

表2 利用STA/LTA方法从实际资料中识别出的各类事件个数统计

通过与本文方法处理结果的对比可知,不论是在识别出的微地震事件数目,还是在方法的准确率方面,本文方法都要优于传统的STA/LTA方法,从而进一步证明了本文方法是一种更为有效的微地震事件识别方法。

4 结束语

本文提出了一种基于多道相似系数的微地震事件自动识别新方法。与目前常用于微地震事件识别的STA/LTA方法相比,本文方法充分利用了微地震事件在各道之间的波形一致性,通过引入一个多道相似系数来综合各道的波形信息进行事件识别,因此,它能够有效避免由于微地震事件记录中某几道数据的信噪比过低而遗漏整个事件的情况。利用本文方法对合成数据和实际资料进行处理,并将结果与STA/LTA方法的处理结果进行对比分析,证明了本文方法能够成功识别出信噪比较低的微地震事件,并具有较低的误拾率。

[1] Ambuter B P,Solomon S C.An event-recording system for monitoring small earthquakes[J].Bulletin of the Seismological Society of America,1974,64(4):1181-1188

[2] Stevenson P R.Microearthquakes at Flathead Lake,Montana:a study using automatic earthquake processing[J].Bulletin of the Seismological Society of America,1976,66(1):61-80

[3] Stewart S W.Real-time detection and location of local seismic events in central California[J].Bulletin of the Seismological Society of America,1977,67(2):433-452

[4] Allen R V.Automatic earthquake recognition and timing from single traces[J].Bulletin of the Seismological Society of America,1978,68(5):1521-1532

[5] Allen R V.Automatic phase pickers:their present use and future prospects[J].Bulletin of the Seismological Society of America,1982,72(6):S225-S242

[6] McEvilly T V,Majer E L.ASP:an automated seismic processor for microearthquake networks[J].Bulletin of the Seismological Society of America,1982,72(1):303-325

[7] Evans J R,Allen S S.A teleseism-specific detection algorithm for single short-period traces[J].Bulletin of the Seismological Society of America,1983,73(4):1173-1186

[8] Baer M,Kradolfer U.An automatic phase picker for local and teleseismic events[J].Bulletin of the Seismological Society of America,1987,77(4):1437-1445

[9] Earle P S,Shearer P M.Characterization of global seismograms using an automatic-picking algorithm[J].Bulletin of the Seismological Society of America,1994,84(2):366-376

[10] Cheng T.Characterization of seismic phases—an automatic analyser for seismograms[J].Geophysical Journal International,1995,123(3):937-947

[11] Withers M,Aster R,Young C,et al.A comparison of select trigger algorithms for automated global seismic phase and event detection[J].Bulletin of the Seismological Society of America,1998,88(1):95-106

[12] 高淑芳,李山有,武东坡,等.一种改进的STA/LTA震相自动识别方法[J].世界地震工程,2008,24(2):37-41 Gao S F,Li S Y,Wu D P,et al.An automatic identification method of seismic phase based on modified STA/LTA algorithm[J].World Earthquake Engineering,2008,24(2):37-41

[13] Munro K A.Automatic event detection and picking of P-wave arrivals[J].CREWES Research Report,2004,16,12.1-12.10

[14] Chen Z.A multi-window algorithm for automatic picking of microseismic events on 3-C data[J].Expanded Abstracts of 75thAnnual Internat SEG Mtg,2005,1288-1291

[15] Chen Z,Stewart R R.A multi-window algorithm for real-time automatic detection and picking of P-phases of microseismic events[J].CREWES Research Report,2006,18,15.1-15.9

[16] Han L,Wong J,Bancroft J C.Time picking and random noise reduction on microseismic data[J].CREWES Research Report,2009,21,30.1-30.13

[17] Rodriguez I V.Automatic time-picking of microseismic data combining STA/LTA and the stationary discrete wavelet transform[J].Expanded Abstracts of CSPG CSEG CWLS Convention,2011,1-4

[18] Sabbione J I,Velis D R.An automatic method for microseismic events detection based on earthquake phase pickers[J].Expanded Abstracts of 82ndAnnual Internat SEG Mtg,2012,1-5

[19] 吴治涛,李仕雄.STA/LTA算法拾取微地震事件P波到时对比研究[J].地球物理学进展,2010,25(5):1577-1582 Wu Z T,Li S X.Comparison of STA/LTA P-picker for microseismic monitoring[J].Progress in Geophysics,2010,25(5):1577-1582

[20] 吕世超,宋维琪,刘彦明,等.利用偏振约束的能量比微地震自动识别方法[J].物探与化探,2013,37(3):488-493 Lv S C,Song W Q,Liu Y M,et al.The polarization constrained LTA/STA method for automatic detection of microseismic[J].Geophysical & Geochemical Exploration,2013,37(3):488-493

(编辑：顾石庆)

Automatic microseismic event detection based on multi-channel semblance coefficient

Tan Yuyang1,He Chuan1,Cao Nai2

(1.InstituteofOil&Gas,SchoolofEarthandSpaceSciences,PekingUniversity,Beijing100871,China;2.CollegeofPetroleumEngineering,ChinaUniversityofPetroleum,Beijing102249,China)

Automatic microseismic event detection for hydraulic fracturing is a crucial step in microseismic data processing.Conventional event detection methods,such as the STA/LTA method,detect the events only by using the amplitude (or energy) difference of single channel,which usually fail to identify certain events when the signal-to-noise ratio is low.In order to solve this problem,we develop a new method based on multi-channel semblance coefficient to detect low SNR microseismic events.By using our method,we can calculate a multi-channel semblance coefficient for the record segment within a sliding time window after moveout correction,and the coefficient is applied as a detector for the existence of a microseismic event.To examine the effectiveness of our method,we apply it on synthetic and field data.The result of the synthetic data demonstrates that our method can successfully identify the event with SNR for only -2.5dB;and for the field data example,our method can detect the microseismic events with the accuracy over 90%.The above results are superior to those obtained by using the STA/LTA method,which proves our method a more effective tool for microseismic event detection.

microseismic,event detection,cross-correlation function,multi-channel semblance coefficient,false trigger rate

2014-01-11;改回日期：2014-05-15。

谭玉阳(1987—),男,博士在读,主要从事水力压裂微地震监测方面的研究工作。

国家科技重大专项(2011ZX05008,2011ZX05014)资助。

P631

A

1000-1441(2015)02-0126-07

10.3969/j.issn.1000-1441.2015.02.002