微地震监测技术综述

邵晓光,董宏丽,代丽艳

0 引 言

随传统油田开发进入中后期,非常规油气田(页岩气等)开发快速发展,微地震监测技术在油气田开发领域的应用越来越重要。微地震监测在油气藏勘探中能优化注采过程,实时调整压裂参数,优化增产措施,提高油气产量,降低开采成本,缩短储层检测周期[1]。在油气田开发中,微地震监测在井网布置、减少开发成本以及提高采收率等方面具有重要的指导意义。

微地震是岩体内因应力场变化导致岩石破裂而产生的强度较弱的地震波,即微弱的地震信号。微地震不同于地震勘探时的人工地震,它是在生产过程中自然发生,具有能量小,持续时间短等特点。地下岩体破裂产生的声发射现象称为微地震事件。大多数的微地震事件频率介于200～1 500 Hz之间,持续时间小于1 s,能量级别很低,一般在里氏-3～+1级之间[2]。因此,微地震信号易受周围噪声遮蔽或影响。另外,在传播过程中,岩石等介质的吸收效应也会使其能量受到不同程度影响。因此,增强微地震信号以及对其进行降噪处理是微地震监测中不可缺少的环节,也是微地震监测技术今后发展的重要课题之一。

1 微地震监测技术概述

通过观测和分析作业时产生的微地震事件监测生产活动的影响、效果以及地下状态的地球物理技术称之为微地震监测技术[3]。该技术的基础是声发射学和地震学,其在原理上与地震监测、声发射监测技术相同,都是借助于岩体受力破裂时的声、能原理[4]。与传统地震勘探不同,微地震监测中震源的位置、强度和地震发生的时刻未知。因此,微地震监测的首要任务就是确定这些未知因素。

1.1 微地震监测技术分类

微地震监测技术按照不同的分类方式可划分为不同的监测类型,主要有两种分类方式:按照监测仪器的布设方式分类和按照监测时长分类。

1.1.1 按照监测仪器的布设方式分类

微地震监测技术按照监测仪器的布设方式划分为井中监测和地面监测[5,6]两种。

井中监测是在作业井附近找一口监测井(一般距离不超过500 m),将检波器串安装到井下压裂储层的深度附近进行监测。由于检波器靠近震源,所受干扰小,信号信噪比高,因而监测准确性好。但其缺点是必须有临井作为监测井,且成本很高。

地面监测就是在监测区域(以压裂井为例)的地面上布置检波器阵列监测微地震信号。与井中监测对比可知,地面监测所获取的资料信息存在很多缺点,例如信噪比低和微地震事件少等。但其具有施工方便、监测方位角大(可以对较大范围内的微地震信号进行接收)和成本低等优势[7]。

1.1.2 按照监测时长分类

根据作业时间长短微地震监测可分为临时性和永久性监测两类[8]。

在油气田勘探中,为配合某一临时性生产活动(比如水力压裂)所做的监测称之为临时性监测,该监测方式一旦生产活动结束就不再使用,其使用周期短至几小时,长至几周。目前技术发展最快、应用最多的就是该种监测方式。而永久性监测指需长期进行作业而建立的监测系统,该监测方式对仪器的要求比临时作业高。至今,该监测方式只在北海等少数地区有应用。

1.2 微地震监测技术关键步骤

微地震监测技术运用的技术方法很多,但基本流程大致相同,主要包括数据采集、处理和反演定位等几个关键步骤。

1.2.1 数据采集

数据采集是微地震监测技术的基础,微地震事件的能量非常弱,一般传播一段距离后便难以检测到。文献[9]提出了基于震幅叠加的事件定位方法,监测精度得到进一步提升。数据采集(特别是地面监测)对硬件设备要求较高,必须采用高灵敏度、宽频带和高采样率等特性的检波器和记录仪器。文献[10]给出了一种记录仪中数据存储量受限的解决方案。

井中监测可采用单井或多井观测。单井观测时,采用的三分量检波器不少于4级,微震记录一般在关井后开始;而多井观测中,双井观测占用两口井,一口作业井,一口监测井,这种方法可获得高质量清晰的P波和S波[11],并且数量充足,是微地震监测常用的方式。而地面监测典型的特点是三分量检波器在监测目标区域上方埋设。除对仪器要求之外,检波器排列方式对监测结果的影响也不容忽视。

在国内外进行微地震监测时,地面检波器排列类型主要有3种:星型、网格状和环状。星型排列需要大量的检波器,成本高,但可获得较好的震源机制。另外两种施工方便,成本低,效果一般。目前,国外使用最多的是星型排列方式。3种排列方式如图1所示。随技术和设备的不断改进,检波器的排列方式将由星型排列逐渐向网状和环状排列转变。少量检波器和特殊的排列方式是地面监测未来的发展方向。

1.2.2 数据处理

鉴于微地震资料的特性,为能进行准确的初至(检波器第1次检测到微震波的到达时间)拾取和震源定位,必须对微地震资料进行处理。预处理和滤波可获取较好的微震信号,然后利用微地震事件做初至拾取,获取相对震源方位角和建立速度模型,从而确定震源位置。

进行监测作业时,尤其是地面监测,即使采用最先进的传感器和检波器等设备,也无法保证完全没有噪声的干扰。因此,去噪成为数据处理的首要任务,其效果直接影响微地震数据处理的精度。微震信号的信噪比会影响到微地震反演的精度,同样说明了消除噪声以及最大限度保留微地震信号的信息对整个监测系统是非常必要的[12]。在进行地面微地震监测时,检波器埋至地表下1～5 m的深度,可减少地表干扰的影响。另外,可通过对微地震信号进行滤波处理,达到增强微地震信号和去噪处理的目的。滤波降噪方法很多,如Kalman滤波[13]、K-L变换[14]、小波滤波[15],EMD(Empirical Mode Decomposition)滤波[16]和神经网络[17]等。

但上述方法都存在一定的局限性,每种方法都有其使用的条件,只有根据噪声的特性选择合适的方法才能达到期望效果。如,传统的Kalman滤波只能用于解决线性系统和具有高斯分布的噪声问题,而后许多学者在其基础上进行了改进,应用得以扩展。微地震信号中主要是随机噪声和相干噪音,通过K-L变换和选择特征值对信号重构,可把相关性好的信号保存下来,从而滤除随机信号。但传统的K-L变换是利用Houshold变换得到的,运算量较大。人工神经网络虽然具有良好的非线性映射能力,但其规模相对较小,训练样本也较少,易陷入局部最优问题。因此,笔者提出一种基于深度学习的全新去噪方法。

自2006年以来,机器学习领域取得了突破性的进展,深度学习一词逐渐进入公众的视野。相比于人工神经网络,深度学习具有更强的学习能力。近几年,许多学者致力于深度学习的研究并取得了长足的进步,深度学习中的自编码、受限波尔兹曼机(RBM:Restricted Boltzmann Machines)和深度神经网络(DNN:Deep Neural Network)等模型可对数据中的信息进行合理建模。以自编码为例,其模型结构如图2所示。

图2 自编码模型结构Fig.2 Auto encoder model

自编码模型是由编码层和解码层组成的两层神经网络。基本思路是用编码器c(·)将输入x编码成c(x),再用解码器g(·)重构输入r(x)=g(c(x))。因此,该模型的输出是其输入本身,通过最小化重构误差L(r(x),x)执行训练。

深度学习具有从数据的低层信息提取更高层次结构化信息的能力。因此,近几年深度学习在语音方面的应用成为热点之一。文献[18]给出了一种基于深度神经网络的最小均方误差回归拟合语音增强方法。该理论基于对数功率谱最小均方误差准则,通过DNN对带噪语音和干净语音之间的复杂关系进行建模。实验表明在大数据语音样本下,DNN能很好地表示含噪语音和纯净语音之间的映射关系。相比于传统去噪方法,DNN不存在任何假设模型,对语音失真和噪声残差有很大改善。文献[19]给出了一种新的语音训练模型用于去噪(见图3)。文中采用循环神经网络模型,网络输入采用受干扰的语音数据进行训练。该模型同样未做任何假设,相对于传统的HMM(Hidden Markov Model)模型所采用的纯净语音信号,该方法的泛化能力和去噪效果更好。文献[20]论述了广义回归神经网络(GRNNs:General Regression Neural Network)在地震数据滤波中的应用,GRNNs可从高度损坏的数据或不精确的数据中获取有意义的特征,由于传统地震去噪方法随信噪比的降低,性能会逐渐恶化,而该文献设计的网络可识别地震数据中的随机噪声并使其衰减。

深度学习与浅学习相比具有许多优点,深度学习提取的特征不随外因改变而变化,具有较强的鲁棒性[21]。微地震信号具有其特殊性和复杂性,常见去噪方法的单一性和局限性导致去噪效并不理想。主成分分析对压制微地震信号中的随机噪声比带通滤波效果好。文献[22]利用信号在稀疏变换域内的特性,通过处理域内的系数,提取代表有效信号的较大系数,进而压制小系数的噪声,达到去噪的效果。因此,采用深度学习并结合其他数据处理方式对微地震信号进行数据处理是今后研究的重要方向。

图3 深度递归神经网络Fig.3 Deep recurrent denoising autoencoder

1.2.3 反演定位

微地震监测的结果通常采用微地震的震源空间排列分布描述。有很多震源定位的处理方法,而且比较完善,如纵横波时差法、同型波时差法、偏振分析定位法、Geiger修正法、三圆相交定位法[23]和基于波形数据的地震发射层析成像法(SET:Seismic Emission Tomography)[24,25]等。

上述众多定位方法都需要用地震波的理论走时,而走时的准确性与速度模型的准确性密切相关。一般可通过射线追踪技术进行正演地质建模,利用测井数据以及地层资料可获得初始速度模型,结合拾取的初至信息进行震源定位。在实际作业时,精确的速度模型很难获得,可通过射孔资料对速度模型联合反演得到最终的速度模型进而获取精确的定位。对于反演方法的研究,国内学者们为此做了大量的工作,文献[26-28]对微地震反演方法进行了研究和改进。文献[29]将GA-BP(Genetic Algorithm-BP Neural Network)神经网络应用于三维界面反演中,效果较好。研究者通过微地震事件识别、初至拾取、速度模型建立和最终的反演,对微震信号进行定位,从而获取一系列的参数评价作业效果、改进设计方案等。

2 微地震监测技术扩展应用

微地震监测技术应用广泛,最初应用于地热资源勘探。随能源需求量的增加以及非常规资源的开发,微地震监测技术在低渗透油气藏压裂改造领域越来越受到重视。微地震监测技术广泛应用于油气田、页岩气开发。在油气田勘探方面主要用于进行储层压裂、油藏驱动和注水前缘[30,31]。此外,微地震监测技术还可描述断层的封堵性能,对裂缝性储层有关的流动各向异性进行成像,提供有关油藏内部变形机制,传导性裂缝和再活动断裂构造形态的信息[32]。通过长短期监测相结合,还可用于矿山安全监测等其他应用领域。

2.1 边坡稳定性监测

1)水利工程高陡边坡监测[33]。部分大型的水电工程建在深山峡谷,大坝的两侧是数十米甚至数百米的高陡边坡。这些陡坡基本都是由人工挖掘、加固的岩体结构,其稳定性十分重要。微地震监测可对其进行大范围、全天实时安全监测,克服了常规应力、位移测量技术的不足。同时,建立以微地震监测技术为核心的高陡边坡安全预警系统,对复杂环境下预防滑坡灾害发生和确保边坡安全具有极其重要的意义。

2)露天矿边坡监测。大型的露天矿边坡使用寿命短,不同于水利工程,是非永久性工程。对于露天矿的边坡加固,其安全性相对于水利工程、公路边坡较弱,成为矿山重大的危险源。因此对露天边坡的安全性和稳定性监测有重大的实际意义。

国外许多露天矿借助微地震监测技术对此进行监测管理。例如智利的Chuquicamata铜矿,为监测因采矿形成的巨大凹陷矿坑和高陡边坡,建立了全数字型多通道微地震监测系统。而国内将微地震监测应用于高陡边坡方面还没有具体的实例。

2.2 矿山安全监测

地下工程方面,微地震监测技术最早应用在采矿业。矿山开采时,随开采深度的增加,安全问题也越来越突出,进而促进了微地震监测技术在采矿业的应用[34]。利用微地震监测技术确定的人工裂缝力向布置巷道走向,可避免压裂裂缝横切生产巷道,也可避免煤层气沿着裂缝直接流入巷道,可避免不必要的矿难发生。

微地震数据量大,可进行多种数据分析。国外已采用微地震技术进行矿山安全性监测,国内也将普遍逐渐推广该技术的应用。另外,微地震监测技术在二氧化碳地下存储、地下煤炭气化、放射性核废料处理等都有广泛的应用前景。

3 展 望

微地震监测技术将地球物理信息应用于油藏开发阶段,使工作者更好地了解井下生产活动,拓宽了地球物理技术在油气田开发中的应用范围。微地震监测技术在非常规油气田勘探以及其他工业领域发挥了重要作用。利用微地震监测技术进行的油气田开发已经在实际生产取得较好的效果。随硬件设备、信号处理以及数字化技术的快速发展,微地震监测技术具有广阔的应用前景。

近年来,地面微地震监测技术在信号识别和定位方法上的进步使微地震监测具有更加广阔的应用前景。目前,地面监测出现了由星型排列逐渐向网格和环状排列转变的趋势。因此,少量检波器配合特殊排列方式是地面监测未来发展的重要方向。先进的检波器和采集系统也是值得深入研究的改进方向。此外,由于接收信号信噪比低,因此数据处理是微地震监测的重要环节。目前,用于微地震信号处理的滤波方法,大多在满足某一假设条件下的特定模型中进行去噪处理。这样会破坏监测所需的目标信号,导致效果并不理想。由于微震信号的特殊性,单一的去噪方法受其局限性影响并不能取得较好的效果。因此,将先进的数据处理技术(如深度学习)和其他滤波方法结合提高去噪效果将是今后研究的重要课题。随微地震震源机制、反演方法研究的深入,微地震监测技术应用范围也将不断扩大,其发展前景也将不断扩大。

[1]唐春华,顾广庆.微地震监测技术探究[J].中国工程科学,2012,14(4):95-99.TANG Chunhua,GU Guangqing.Research on Microseismic Monitoring Technology[M].Engineering Sciences,2012,14(4):95-99.

[2]CAI M,KAISER P K,MORIOKA H,et al.FLAC/PFC Coupled Numerical Simulation of AE in Large-Scale Underground Excavations[J].International Journal of Rock Mechanics and Mining Sciences,2007,44(4):550-564.

[3]张太春.人工微地震技术对压裂井实时监测应用研究[D].长春:吉林大学地球探测科学与技术学院,2013.ZHANG Taichun.Application of Artificial Micro Seismic Technique to Real Time Monitoring of Fractured Wells[D].Changchun:College of Geoexploration Sicence and Technology,Jilin University,2013.

[4]赵博雄,王忠仁,刘瑞,等.国内外微地震监测技术综述[J].地球物理学进展,2014,29(4):1882-1888.ZHAO Boxiong,WANG Zhongren,LIU Rui,et al.Summary of Microseismic Monitoring Technology at Home and Abroad[J].Progress in Geophysics,2014,29(4):1882-1888.

[5]CHAMBERSK,KENDALL J,BRANDSBERG S,et al.Testing the Ability of Surface Arrays to Monitor Microseismic Activity[J].Geophysical Prospecting,2010,58(5):821-830.

[6]DUNCAN PETER M,EISNER L.Reservoir Characterization Using Surface Microseismic Monitoring[J].Geophysics,2010,75(5):139-146.

[7]刘振武,撒利明,巫芙蓉,等.中国石油集团非常规油气微地震监测技术现状及发展方向[J].石油地球物理勘探,2013,48(5):843-853.LIU Zhenwu,SA Liming,WU Furong,et al.Current Situation and Development Trend of Unconventional Seismic Monitoring for Oil and Gas in China Petroleum Group[J].Oil Geophysical Prospecting,2013,48(5):843-853.

[8]JUPE A,COWLESJ,JONESR.Microseismic Monitoring:Listen and See the Reservoir[J].World Oil,1998,219(12):171-174.

[9]吴建光,张平,吕昊,等.基于震幅叠加的微地震事件定位在地面监测中的应用 [J].吉林大学学报:地球科学版,2017,47(1):255-264.WU Jianguang,ZHANG Ping,LÜHao,et al.Microseismic Event Location Amplitude Based on the Superposition of Application in the Monitoring of the Ground[J].Journal of Jilin University:Earth Science Edition,2017,47(1):255-264.

[10]刘俊华,林君,张林行.地震记录仪中大容量数据存储扩展的实现[J].吉林大学学报:信息科学版,2005,23(5):474-477.LIU Junhua,LIN Jun,ZHANG Linhang.Implementation of Large Capacity Data Storage Expansion in Seismic Recorder[J].Journal of Jilin University:Information Science Edition,2005,23(5):474-477.

[11]马德堂,朱光明.弹性波波场P波和S波分解的数值模拟[J].石油地球物理勘探,2003,38(5):482-486.MA Detang,ZHU Guangming.Numerical Simulation of P and S-Wave Decomposition in Elastic Wave Field[J].Oil Geophysical Prospecting,2003,38(5):482-486.

[12]SONG F,KULELI H S,TOKSÖZ M N.An Improved Method for Hydrofracture-Induced Microseismic Event Detection and Phase Picking[J].Geophysics,2010,75(6):A47-A52.

[13]易昌华,方守川,曹国发.基于卡尔曼滤波的海上地震勘探导航定位算法 [J].石油地球物理勘探,2011,46(1):17-21.YI Changhua,FANG Shouchuan,CAO Guofa.Marine Seismic Exploration Navigation Positioning Algorithm Based on CALMAN Filter[J].Oil Geophysical Prospecting,2011,46(1):17-21.

[14]张旭亮,桂志先,王鹏,等.基于K-L变换的微地震资料去噪的分析及应用 [J].工程地球物理学报,2013,10(1):81-84.ZHANG Xuliang,GUI Zhixian,WANG Peng,et al.Analysis and Application of Microseismic Data Denoising Based on K-L Transform[J].Chinese Journal of Engineering Geophysics,2013,10(1):81-84.

[15]LEITE F E A,MONTAGNE R,CORSO G,et al.Optimal Wavelet Filter for Suppression of Coherent Noise with an Application to Seismic Data[J].Physica A:Statistical Mechanics and Its Applications,2008,387(7):1439-1445.

[16]刘霞,黄阳,黄敬,等.基于经验模态分解(EMD)的小波熵阈值地震信号去噪 [J].吉林大学学报:地球科学版,2016,46(1):262-269.LIU Xia,HUANG Yang,HUANG Jing,et al.Wavelet Entropy Thresholding Seismic Signal Denoising Based on Empirical Mode Decomposition(EMD)[J].Journal of Jilin University:Earth Science Edition,2016,46(1):262-269.

[17]甘永忠.地震数据人工神经网络滤波[C]∥1995年中国地球物理学会第十一届学术年会论文集.北京:中国学术期刊电子出版社,1995:271.GAN Yongzhong.Filtering for Seismic Data Based on Neural Network[C]∥The Eleventh Annual Meeting of the Chinese Geophysical Society in 1995.Beijing,China:Academic Journal Electronic Publishing House,1995:271.

[18]XU Y,DU J,DAI L R,et al.An Experimental Study on Speech Enhancement Based on Deep Neural Networks[J].IEEE Signal Processing Letters,2014,21(1):65-68.

[19]DJARFOUR N,FERAHTIA J,BABAIA F,et al.Seismic Noise Filtering Based on Generalized Regression Neural Networks[J].Computers&Geosciences,2014,69(4):1-9.

[20]MAASA L,LE Q V,O'NEIL T M,et al.Recurrent Neural Networks for Noise Reduction in Robust ASR[C]∥Thirteenth Annual Conference of the International Speech Communication Association.Stanford,CA:Stanford University,2012:3-6.

[21]GOODFELLOW I,LEE H,LE Q V,et al.Measuring Invariances in Deep Networks[C]∥Advances in Neural Information Processing Systems.Stanford,CA:Stanford University,2009:646-654.

[22]张博.基于稀疏变换的地震数据去噪方法研究[D].杭州:浙江大学地球科学学院,2013.ZHANG Bo.Seismic Data Denoising Method Based on Sparse Transform[D].Hangzhou:School of Earth Sciences,Zhejiang University,2013.

[23]金维浚,张衡,张文辉,等.微地震监测技术及应用[J].地震,2013,33(4):84-96.JIN Weijun,ZHANG Heng,ZHANG Wenhui,et al.Microseismic Monitoring Technology and Its Application[J].Earthquake,2013,33(4):84-96.

[24]DUNCAN P M,LAKINGSJ D,FLORESR A.Method for Passive Seismic Emission Tomography[P].US:Patent 7,663,970.2010-2-16.

[25]GEISER P,LEARY P.Tomographic Fracture Imaging(TFI):Direct 5D Mapping of Transmissive Fracture/Fault Zones Using Seismic Emission Tomography(SET)[C]∥39th Workshop on Geothermal Reservoir Engineering Stanford University.Stanford,California,US:Stanford University,2014:24-26.

[26]宋维琪,徐奔奔,杨勤勇,等.微地震震源矢量反演[J].石油物探,2014,53(6):692-698.SONG Weiqi,XU Benben,YANG Qinyong,et al.Microseismic Source Vector Inversion[J].Geophysical Prospecting for Petroleum,2014,53(6):692-698.

[27]张永刚.地震波阻抗反演技术的现状和发展[J].石油物探,2002,41(4):385-390.ZHANG Yonggang.Present Situation and Development of Seismic Impedance Inversion Technique[J].Geophysical Prospecting for Petroleum,2002,41(4):385-390.

[28]姚逢昌,甘利灯.地震反演的应用与限制[J].石油勘探与开发,2000,27(2):53-56.YAO Fengchang,GAN Lideng.Application and Limitation of Seismic Inversion[J].Petroleum Exploration and Development,2000,27(2):53-56.

[29]张代磊,黄大年,张冲.基于遗传算法优化的BP神经网络在密度界面反演中的应用[J].吉林大学学报:地球科学版,2017,47(2):580-588.ZHANG Dailei,HUANG Danian,ZHANG Chong.Application of BP Neural Network Optimized by Genetic Algorithm in Density Interface Inversion[J].Journal of Jilin University:Earth Science Edition,2017,47(2):580-588.

[30]徐晓会,杨树敏,张淑珍.微地震监测技术在油藏实时特征描述中的应用[J].国外测井技术,2006,21(6):64-68.XU Xiaohui,YANG Shumin,ZHANG Shuzhen.Application of Microseismic Monitoring Technique in Real-Time Reservoir Characterization[J].World Well Logging Technology,2006,21(6):64-68.

[31]梁生,韩立国,李安帮.微地震监测技术在秦家屯地区的应用[J].吉林大学学报:地球科学版,2007(S1):95-98.LIANG Sheng,HAN Liguo,LI Anbang.Application of Micro Seismic Monitoring Technology in Qinjiatun Area[J].Journal of Jilin University:Earth Science Edition,2007(S1):95-98.

[32]DYER B C,JONES R H,COWLES J E,et al.Microseismic Survey of a North Sea Reservoir[J].World Oil,1999,220(3):74-79.

[33]李庶林.试论微震监测技术在地下工程中的应用[J].地下空间与工程学报,2009,5(1):122-128.LI Shulin.Application of Microseismic Monitoring Technology in Underground Engineering[J].Chinese Journal of Underground Space and Engineering,2009,5(1):122-128.

[34]缪华祥,姜福兴,宋雪娟,等.矿山微地震活动特征的概率分析方法研究[J].采矿与安全工程学报,2012,29(5):685-693.MIU Huaxiang,JIANG Fuxing,SONG Xuejuan,et al.Probabilistic Analysis Method of Microseismic Activity Characteristics in Mines[J].Journal of Mining&Safety Engineering,2012,29(5):685-693.