邵曉光,董宏麗,代麗艷

0 引 言

隨傳統(tǒng)油田開發(fā)進(jìn)入中后期,非常規(guī)油氣田(頁巖氣等)開發(fā)快速發(fā)展,微地震監(jiān)測技術(shù)在油氣田開發(fā)領(lǐng)域的應(yīng)用越來越重要。微地震監(jiān)測在油氣藏勘探中能優(yōu)化注采過程,實時調(diào)整壓裂參數(shù),優(yōu)化增產(chǎn)措施,提高油氣產(chǎn)量,降低開采成本,縮短儲層檢測周期[1]。在油氣田開發(fā)中,微地震監(jiān)測在井網(wǎng)布置、減少開發(fā)成本以及提高采收率等方面具有重要的指導(dǎo)意義。

微地震是巖體內(nèi)因應(yīng)力場變化導(dǎo)致巖石破裂而產(chǎn)生的強(qiáng)度較弱的地震波,即微弱的地震信號。微地震不同于地震勘探時的人工地震,它是在生產(chǎn)過程中自然發(fā)生,具有能量小,持續(xù)時間短等特點。地下巖體破裂產(chǎn)生的聲發(fā)射現(xiàn)象稱為微地震事件。大多數(shù)的微地震事件頻率介于200～1 500 Hz之間,持續(xù)時間小于1 s,能量級別很低,一般在里氏-3～+1級之間[2]。因此,微地震信號易受周圍噪聲遮蔽或影響。另外,在傳播過程中,巖石等介質(zhì)的吸收效應(yīng)也會使其能量受到不同程度影響。因此,增強(qiáng)微地震信號以及對其進(jìn)行降噪處理是微地震監(jiān)測中不可缺少的環(huán)節(jié),也是微地震監(jiān)測技術(shù)今后發(fā)展的重要課題之一。

1 微地震監(jiān)測技術(shù)概述

通過觀測和分析作業(yè)時產(chǎn)生的微地震事件監(jiān)測生產(chǎn)活動的影響、效果以及地下狀態(tài)的地球物理技術(shù)稱之為微地震監(jiān)測技術(shù)[3]。該技術(shù)的基礎(chǔ)是聲發(fā)射學(xué)和地震學(xué),其在原理上與地震監(jiān)測、聲發(fā)射監(jiān)測技術(shù)相同,都是借助于巖體受力破裂時的聲、能原理[4]。與傳統(tǒng)地震勘探不同,微地震監(jiān)測中震源的位置、強(qiáng)度和地震發(fā)生的時刻未知。因此,微地震監(jiān)測的首要任務(wù)就是確定這些未知因素。

1.1 微地震監(jiān)測技術(shù)分類

微地震監(jiān)測技術(shù)按照不同的分類方式可劃分為不同的監(jiān)測類型,主要有兩種分類方式:按照監(jiān)測儀器的布設(shè)方式分類和按照監(jiān)測時長分類。

1.1.1 按照監(jiān)測儀器的布設(shè)方式分類

微地震監(jiān)測技術(shù)按照監(jiān)測儀器的布設(shè)方式劃分為井中監(jiān)測和地面監(jiān)測[5,6]兩種。

井中監(jiān)測是在作業(yè)井附近找一口監(jiān)測井(一般距離不超過500 m),將檢波器串安裝到井下壓裂儲層的深度附近進(jìn)行監(jiān)測。由于檢波器靠近震源,所受干擾小,信號信噪比高,因而監(jiān)測準(zhǔn)確性好。但其缺點是必須有臨井作為監(jiān)測井,且成本很高。

地面監(jiān)測就是在監(jiān)測區(qū)域(以壓裂井為例)的地面上布置檢波器陣列監(jiān)測微地震信號。與井中監(jiān)測對比可知,地面監(jiān)測所獲取的資料信息存在很多缺點,例如信噪比低和微地震事件少等。但其具有施工方便、監(jiān)測方位角大(可以對較大范圍內(nèi)的微地震信號進(jìn)行接收)和成本低等優(yōu)勢[7]。

1.1.2 按照監(jiān)測時長分類

根據(jù)作業(yè)時間長短微地震監(jiān)測可分為臨時性和永久性監(jiān)測兩類[8]。

在油氣田勘探中,為配合某一臨時性生產(chǎn)活動(比如水力壓裂)所做的監(jiān)測稱之為臨時性監(jiān)測,該監(jiān)測方式一旦生產(chǎn)活動結(jié)束就不再使用,其使用周期短至幾小時,長至幾周。目前技術(shù)發(fā)展最快、應(yīng)用最多的就是該種監(jiān)測方式。而永久性監(jiān)測指需長期進(jìn)行作業(yè)而建立的監(jiān)測系統(tǒng),該監(jiān)測方式對儀器的要求比臨時作業(yè)高。至今,該監(jiān)測方式只在北海等少數(shù)地區(qū)有應(yīng)用。

1.2 微地震監(jiān)測技術(shù)關(guān)鍵步驟

微地震監(jiān)測技術(shù)運用的技術(shù)方法很多,但基本流程大致相同,主要包括數(shù)據(jù)采集、處理和反演定位等幾個關(guān)鍵步驟。

1.2.1 數(shù)據(jù)采集

數(shù)據(jù)采集是微地震監(jiān)測技術(shù)的基礎(chǔ),微地震事件的能量非常弱,一般傳播一段距離后便難以檢測到。文獻(xiàn)[9]提出了基于震幅疊加的事件定位方法,監(jiān)測精度得到進(jìn)一步提升。數(shù)據(jù)采集(特別是地面監(jiān)測)對硬件設(shè)備要求較高,必須采用高靈敏度、寬頻帶和高采樣率等特性的檢波器和記錄儀器。文獻(xiàn)[10]給出了一種記錄儀中數(shù)據(jù)存儲量受限的解決方案。

井中監(jiān)測可采用單井或多井觀測。單井觀測時,采用的三分量檢波器不少于4級,微震記錄一般在關(guān)井后開始;而多井觀測中,雙井觀測占用兩口井,一口作業(yè)井,一口監(jiān)測井,這種方法可獲得高質(zhì)量清晰的P波和S波[11],并且數(shù)量充足,是微地震監(jiān)測常用的方式。而地面監(jiān)測典型的特點是三分量檢波器在監(jiān)測目標(biāo)區(qū)域上方埋設(shè)。除對儀器要求之外,檢波器排列方式對監(jiān)測結(jié)果的影響也不容忽視。

在國內(nèi)外進(jìn)行微地震監(jiān)測時,地面檢波器排列類型主要有3種:星型、網(wǎng)格狀和環(huán)狀。星型排列需要大量的檢波器,成本高,但可獲得較好的震源機(jī)制。另外兩種施工方便,成本低,效果一般。目前,國外使用最多的是星型排列方式。3種排列方式如圖1所示。隨技術(shù)和設(shè)備的不斷改進(jìn),檢波器的排列方式將由星型排列逐漸向網(wǎng)狀和環(huán)狀排列轉(zhuǎn)變。少量檢波器和特殊的排列方式是地面監(jiān)測未來的發(fā)展方向。

1.2.2 數(shù)據(jù)處理

鑒于微地震資料的特性,為能進(jìn)行準(zhǔn)確的初至(檢波器第1次檢測到微震波的到達(dá)時間)拾取和震源定位,必須對微地震資料進(jìn)行處理。預(yù)處理和濾波可獲取較好的微震信號,然后利用微地震事件做初至拾取,獲取相對震源方位角和建立速度模型,從而確定震源位置。

進(jìn)行監(jiān)測作業(yè)時,尤其是地面監(jiān)測,即使采用最先進(jìn)的傳感器和檢波器等設(shè)備,也無法保證完全沒有噪聲的干擾。因此,去噪成為數(shù)據(jù)處理的首要任務(wù),其效果直接影響微地震數(shù)據(jù)處理的精度。微震信號的信噪比會影響到微地震反演的精度,同樣說明了消除噪聲以及最大限度保留微地震信號的信息對整個監(jiān)測系統(tǒng)是非常必要的[12]。在進(jìn)行地面微地震監(jiān)測時,檢波器埋至地表下1～5 m的深度,可減少地表干擾的影響。另外,可通過對微地震信號進(jìn)行濾波處理,達(dá)到增強(qiáng)微地震信號和去噪處理的目的。濾波降噪方法很多,如Kalman濾波[13]、K-L變換[14]、小波濾波[15],EMD(Empirical Mode Decomposition)濾波[16]和神經(jīng)網(wǎng)絡(luò)[17]等。

但上述方法都存在一定的局限性,每種方法都有其使用的條件,只有根據(jù)噪聲的特性選擇合適的方法才能達(dá)到期望效果。如,傳統(tǒng)的Kalman濾波只能用于解決線性系統(tǒng)和具有高斯分布的噪聲問題,而后許多學(xué)者在其基礎(chǔ)上進(jìn)行了改進(jìn),應(yīng)用得以擴(kuò)展。微地震信號中主要是隨機(jī)噪聲和相干噪音,通過K-L變換和選擇特征值對信號重構(gòu),可把相關(guān)性好的信號保存下來,從而濾除隨機(jī)信號。但傳統(tǒng)的K-L變換是利用Houshold變換得到的,運算量較大。人工神經(jīng)網(wǎng)絡(luò)雖然具有良好的非線性映射能力,但其規(guī)模相對較小,訓(xùn)練樣本也較少,易陷入局部最優(yōu)問題。因此,筆者提出一種基于深度學(xué)習(xí)的全新去噪方法。

自2006年以來,機(jī)器學(xué)習(xí)領(lǐng)域取得了突破性的進(jìn)展,深度學(xué)習(xí)一詞逐漸進(jìn)入公眾的視野。相比于人工神經(jīng)網(wǎng)絡(luò),深度學(xué)習(xí)具有更強(qiáng)的學(xué)習(xí)能力。近幾年,許多學(xué)者致力于深度學(xué)習(xí)的研究并取得了長足的進(jìn)步,深度學(xué)習(xí)中的自編碼、受限波爾茲曼機(jī)(RBM:Restricted Boltzmann Machines)和深度神經(jīng)網(wǎng)絡(luò)(DNN:Deep Neural Network)等模型可對數(shù)據(jù)中的信息進(jìn)行合理建模。以自編碼為例,其模型結(jié)構(gòu)如圖2所示。

圖2 自編碼模型結(jié)構(gòu)Fig.2 Auto encoder model

自編碼模型是由編碼層和解碼層組成的兩層神經(jīng)網(wǎng)絡(luò)。基本思路是用編碼器c(·)將輸入x編碼成c(x),再用解碼器g(·)重構(gòu)輸入r(x)=g(c(x))。因此,該模型的輸出是其輸入本身,通過最小化重構(gòu)誤差L(r(x),x)執(zhí)行訓(xùn)練。

深度學(xué)習(xí)具有從數(shù)據(jù)的低層信息提取更高層次結(jié)構(gòu)化信息的能力。因此,近幾年深度學(xué)習(xí)在語音方面的應(yīng)用成為熱點之一。文獻(xiàn)[18]給出了一種基于深度神經(jīng)網(wǎng)絡(luò)的最小均方誤差回歸擬合語音增強(qiáng)方法。該理論基于對數(shù)功率譜最小均方誤差準(zhǔn)則,通過DNN對帶噪語音和干凈語音之間的復(fù)雜關(guān)系進(jìn)行建模。實驗表明在大數(shù)據(jù)語音樣本下,DNN能很好地表示含噪語音和純凈語音之間的映射關(guān)系。相比于傳統(tǒng)去噪方法,DNN不存在任何假設(shè)模型,對語音失真和噪聲殘差有很大改善。文獻(xiàn)[19]給出了一種新的語音訓(xùn)練模型用于去噪(見圖3)。文中采用循環(huán)神經(jīng)網(wǎng)絡(luò)模型,網(wǎng)絡(luò)輸入采用受干擾的語音數(shù)據(jù)進(jìn)行訓(xùn)練。該模型同樣未做任何假設(shè),相對于傳統(tǒng)的HMM(Hidden Markov Model)模型所采用的純凈語音信號,該方法的泛化能力和去噪效果更好。文獻(xiàn)[20]論述了廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNNs:General Regression Neural Network)在地震數(shù)據(jù)濾波中的應(yīng)用,GRNNs可從高度損壞的數(shù)據(jù)或不精確的數(shù)據(jù)中獲取有意義的特征,由于傳統(tǒng)地震去噪方法隨信噪比的降低,性能會逐漸惡化,而該文獻(xiàn)設(shè)計的網(wǎng)絡(luò)可識別地震數(shù)據(jù)中的隨機(jī)噪聲并使其衰減。

深度學(xué)習(xí)與淺學(xué)習(xí)相比具有許多優(yōu)點,深度學(xué)習(xí)提取的特征不隨外因改變而變化,具有較強(qiáng)的魯棒性[21]。微地震信號具有其特殊性和復(fù)雜性,常見去噪方法的單一性和局限性導(dǎo)致去噪效并不理想。主成分分析對壓制微地震信號中的隨機(jī)噪聲比帶通濾波效果好。文獻(xiàn)[22]利用信號在稀疏變換域內(nèi)的特性,通過處理域內(nèi)的系數(shù),提取代表有效信號的較大系數(shù),進(jìn)而壓制小系數(shù)的噪聲,達(dá)到去噪的效果。因此,采用深度學(xué)習(xí)并結(jié)合其他數(shù)據(jù)處理方式對微地震信號進(jìn)行數(shù)據(jù)處理是今后研究的重要方向。

圖3 深度遞歸神經(jīng)網(wǎng)絡(luò)Fig.3 Deep recurrent denoising autoencoder

1.2.3 反演定位

微地震監(jiān)測的結(jié)果通常采用微地震的震源空間排列分布描述。有很多震源定位的處理方法,而且比較完善,如縱橫波時差法、同型波時差法、偏振分析定位法、Geiger修正法、三圓相交定位法[23]和基于波形數(shù)據(jù)的地震發(fā)射層析成像法(SET:Seismic Emission Tomography)[24,25]等。

上述眾多定位方法都需要用地震波的理論走時,而走時的準(zhǔn)確性與速度模型的準(zhǔn)確性密切相關(guān)。一般可通過射線追蹤技術(shù)進(jìn)行正演地質(zhì)建模,利用測井?dāng)?shù)據(jù)以及地層資料可獲得初始速度模型,結(jié)合拾取的初至信息進(jìn)行震源定位。在實際作業(yè)時,精確的速度模型很難獲得,可通過射孔資料對速度模型聯(lián)合反演得到最終的速度模型進(jìn)而獲取精確的定位。對于反演方法的研究,國內(nèi)學(xué)者們?yōu)榇俗隽舜罅康墓ぷ?文獻(xiàn)[26-28]對微地震反演方法進(jìn)行了研究和改進(jìn)。文獻(xiàn)[29]將GA-BP(Genetic Algorithm-BP Neural Network)神經(jīng)網(wǎng)絡(luò)應(yīng)用于三維界面反演中,效果較好。研究者通過微地震事件識別、初至拾取、速度模型建立和最終的反演,對微震信號進(jìn)行定位,從而獲取一系列的參數(shù)評價作業(yè)效果、改進(jìn)設(shè)計方案等。

2 微地震監(jiān)測技術(shù)擴(kuò)展應(yīng)用

微地震監(jiān)測技術(shù)應(yīng)用廣泛,最初應(yīng)用于地?zé)豳Y源勘探。隨能源需求量的增加以及非常規(guī)資源的開發(fā),微地震監(jiān)測技術(shù)在低滲透油氣藏壓裂改造領(lǐng)域越來越受到重視。微地震監(jiān)測技術(shù)廣泛應(yīng)用于油氣田、頁巖氣開發(fā)。在油氣田勘探方面主要用于進(jìn)行儲層壓裂、油藏驅(qū)動和注水前緣[30,31]。此外,微地震監(jiān)測技術(shù)還可描述斷層的封堵性能,對裂縫性儲層有關(guān)的流動各向異性進(jìn)行成像,提供有關(guān)油藏內(nèi)部變形機(jī)制,傳導(dǎo)性裂縫和再活動斷裂構(gòu)造形態(tài)的信息[32]。通過長短期監(jiān)測相結(jié)合,還可用于礦山安全監(jiān)測等其他應(yīng)用領(lǐng)域。

2.1 邊坡穩(wěn)定性監(jiān)測

1)水利工程高陡邊坡監(jiān)測[33]。部分大型的水電工程建在深山峽谷,大壩的兩側(cè)是數(shù)十米甚至數(shù)百米的高陡邊坡。這些陡坡基本都是由人工挖掘、加固的巖體結(jié)構(gòu),其穩(wěn)定性十分重要。微地震監(jiān)測可對其進(jìn)行大范圍、全天實時安全監(jiān)測,克服了常規(guī)應(yīng)力、位移測量技術(shù)的不足。同時,建立以微地震監(jiān)測技術(shù)為核心的高陡邊坡安全預(yù)警系統(tǒng),對復(fù)雜環(huán)境下預(yù)防滑坡災(zāi)害發(fā)生和確保邊坡安全具有極其重要的意義。

2)露天礦邊坡監(jiān)測。大型的露天礦邊坡使用壽命短,不同于水利工程,是非永久性工程。對于露天礦的邊坡加固,其安全性相對于水利工程、公路邊坡較弱,成為礦山重大的危險源。因此對露天邊坡的安全性和穩(wěn)定性監(jiān)測有重大的實際意義。

國外許多露天礦借助微地震監(jiān)測技術(shù)對此進(jìn)行監(jiān)測管理。例如智利的Chuquicamata銅礦,為監(jiān)測因采礦形成的巨大凹陷礦坑和高陡邊坡,建立了全數(shù)字型多通道微地震監(jiān)測系統(tǒng)。而國內(nèi)將微地震監(jiān)測應(yīng)用于高陡邊坡方面還沒有具體的實例。

2.2 礦山安全監(jiān)測

地下工程方面,微地震監(jiān)測技術(shù)最早應(yīng)用在采礦業(yè)。礦山開采時,隨開采深度的增加,安全問題也越來越突出,進(jìn)而促進(jìn)了微地震監(jiān)測技術(shù)在采礦業(yè)的應(yīng)用[34]。利用微地震監(jiān)測技術(shù)確定的人工裂縫力向布置巷道走向,可避免壓裂裂縫橫切生產(chǎn)巷道,也可避免煤層氣沿著裂縫直接流入巷道,可避免不必要的礦難發(fā)生。

微地震數(shù)據(jù)量大,可進(jìn)行多種數(shù)據(jù)分析。國外已采用微地震技術(shù)進(jìn)行礦山安全性監(jiān)測,國內(nèi)也將普遍逐漸推廣該技術(shù)的應(yīng)用。另外,微地震監(jiān)測技術(shù)在二氧化碳地下存儲、地下煤炭氣化、放射性核廢料處理等都有廣泛的應(yīng)用前景。

3 展 望

微地震監(jiān)測技術(shù)將地球物理信息應(yīng)用于油藏開發(fā)階段,使工作者更好地了解井下生產(chǎn)活動,拓寬了地球物理技術(shù)在油氣田開發(fā)中的應(yīng)用范圍。微地震監(jiān)測技術(shù)在非常規(guī)油氣田勘探以及其他工業(yè)領(lǐng)域發(fā)揮了重要作用。利用微地震監(jiān)測技術(shù)進(jìn)行的油氣田開發(fā)已經(jīng)在實際生產(chǎn)取得較好的效果。隨硬件設(shè)備、信號處理以及數(shù)字化技術(shù)的快速發(fā)展,微地震監(jiān)測技術(shù)具有廣闊的應(yīng)用前景。

近年來,地面微地震監(jiān)測技術(shù)在信號識別和定位方法上的進(jìn)步使微地震監(jiān)測具有更加廣闊的應(yīng)用前景。目前,地面監(jiān)測出現(xiàn)了由星型排列逐漸向網(wǎng)格和環(huán)狀排列轉(zhuǎn)變的趨勢。因此,少量檢波器配合特殊排列方式是地面監(jiān)測未來發(fā)展的重要方向。先進(jìn)的檢波器和采集系統(tǒng)也是值得深入研究的改進(jìn)方向。此外,由于接收信號信噪比低,因此數(shù)據(jù)處理是微地震監(jiān)測的重要環(huán)節(jié)。目前,用于微地震信號處理的濾波方法,大多在滿足某一假設(shè)條件下的特定模型中進(jìn)行去噪處理。這樣會破壞監(jiān)測所需的目標(biāo)信號,導(dǎo)致效果并不理想。由于微震信號的特殊性,單一的去噪方法受其局限性影響并不能取得較好的效果。因此,將先進(jìn)的數(shù)據(jù)處理技術(shù)(如深度學(xué)習(xí))和其他濾波方法結(jié)合提高去噪效果將是今后研究的重要課題。隨微地震震源機(jī)制、反演方法研究的深入,微地震監(jiān)測技術(shù)應(yīng)用范圍也將不斷擴(kuò)大,其發(fā)展前景也將不斷擴(kuò)大。

[1]唐春華,顧廣慶.微地震監(jiān)測技術(shù)探究[J].中國工程科學(xué),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]張?zhí)?人工微地震技術(shù)對壓裂井實時監(jiān)測應(yīng)用研究[D].長春:吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)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]趙博雄,王忠仁,劉瑞,等.國內(nèi)外微地震監(jiān)測技術(shù)綜述[J].地球物理學(xué)進(jìn)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]劉振武,撒利明,巫芙蓉,等.中國石油集團(tuán)非常規(guī)油氣微地震監(jiān)測技術(shù)現(xiàn)狀及發(fā)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]吳建光,張平,呂昊,等.基于震幅疊加的微地震事件定位在地面監(jiān)測中的應(yīng)用 [J].吉林大學(xué)學(xué)報:地球科學(xué)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]劉俊華,林君,張林行.地震記錄儀中大容量數(shù)據(jù)存儲擴(kuò)展的實現(xiàn)[J].吉林大學(xué)學(xué)報:信息科學(xué)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]馬德堂,朱光明.彈性波波場P波和S波分解的數(shù)值模擬[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,TOKS?Z M N.An Improved Method for Hydrofracture-Induced Microseismic Event Detection and Phase Picking[J].Geophysics,2010,75(6):A47-A52.

[13]易昌華,方守川,曹國發(fā).基于卡爾曼濾波的海上地震勘探導(dǎo)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]張旭亮,桂志先,王鵬,等.基于K-L變換的微地震資料去噪的分析及應(yīng)用 [J].工程地球物理學(xué)報,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]劉霞,黃陽,黃敬,等.基于經(jīng)驗?zāi)B(tài)分解(EMD)的小波熵閾值地震信號去噪 [J].吉林大學(xué)學(xué)報:地球科學(xué)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.地震數(shù)據(jù)人工神經(jīng)網(wǎng)絡(luò)濾波[C]∥1995年中國地球物理學(xué)會第十一屆學(xué)術(shù)年會論文集.北京:中國學(xué)術(shù)期刊電子出版社,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]張博.基于稀疏變換的地震數(shù)據(jù)去噪方法研究[D].杭州:浙江大學(xué)地球科學(xué)學(xué)院,2013.ZHANG Bo.Seismic Data Denoising Method Based on Sparse Transform[D].Hangzhou:School of Earth Sciences,Zhejiang University,2013.

[23]金維浚,張衡,張文輝,等.微地震監(jiān)測技術(shù)及應(yīng)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]宋維琪,徐奔奔,楊勤勇,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]張永剛.地震波阻抗反演技術(shù)的現(xiàn)狀和發(fā)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,甘利燈.地震反演的應(yīng)用與限制[J].石油勘探與開發(fā),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]張代磊,黃大年,張沖.基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在密度界面反演中的應(yīng)用[J].吉林大學(xué)學(xué)報:地球科學(xué)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]徐曉會,楊樹敏,張淑珍.微地震監(jiān)測技術(shù)在油藏實時特征描述中的應(yīng)用[J].國外測井技術(shù),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,韓立國,李安幫.微地震監(jiān)測技術(shù)在秦家屯地區(qū)的應(yīng)用[J].吉林大學(xué)學(xué)報:地球科學(xué)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.試論微震監(jiān)測技術(shù)在地下工程中的應(yīng)用[J].地下空間與工程學(xué)報,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]繆華祥,姜福興,宋雪娟,等.礦山微地震活動特征的概率分析方法研究[J].采礦與安全工程學(xué)報,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.