一种基于EEMD-SVD的地震流体识别方法技术

本发明专利技术公开了一种基于EEMD‑SVD的地震流体识别方法，本发明专利技术利用EEMD分解原始地震信号，并根据SVD算法消除地震信号在EEMD分解过程中的残余在各层IMF分量中的高斯噪声，提高振幅保真性，消除无效冗余信息。本发明专利技术利用EEMD‑SVD的算法优势，既有效克服模态混叠与端点效应，又能够有效抑制EEMD在分解过程中产生的随机噪声，保证地震信号分解过程中的振幅保真性，有利于提高地震流体预测精度。

【技术实现步骤摘要】
一种基于EEMD-SVD的地震流体识别方法
本专利技术具体涉及一种基于EEMD-SVD的叠后地震流体预测方法。
技术介绍
在利用地震数据进行流体预测方法，考虑到流体的地震波吸收衰减机理，利用频率衰减梯度方法进行流体预测。地震波的频率衰减梯度是指在对地震波进行时频分析的基础上，对地震波时频结果中高频部分的振幅包络进行拟合得到的斜率值。对地震波进行时频分析可以得到多种与地震波频率有关的属性，比如地震波的总能量、地震波能量最大值对应的频率值(即地震波的主频)、瞬时频率、瞬时主频，频率衰减梯度等。2014年，薛雅娟提出了HHT时频分析方法，用于地震流体预测。该方法主要是利用EMD经验模态分解，利用地震低频信息进行流体预测，该方法相对于短时傅里叶和小波变换，时频分辨率有一定的改善。该方法不足之处在于，且对于突变较大的非线性信号无法克服模态混叠与端点效，所以就会造成在此基础上进行地震低频信息分析误差，影响流体预测效果与精度。
技术实现思路
本专利技术目的在于针对现有技术的不足，提供一种基于EEMD-SVD的叠后地震流体预测方法。本专利技术充分考虑地震数据的非平稳性，利用EEMD-SVD的算法优势，既有效克服模态混叠与端点效应，又能够有效抑制EEMD在分解过程中产生的随机噪声，保证地震信号分解过程中的振幅保真性，有利于提高地震流体预测精度。为此，本专利技术采用以下技术方案：一种基于EEMD-SVD的地震流体识别方法，其特征是，具体的步骤如下：步骤一：输入地震叠后单道CDP数据，进行EEMD经验模态分解，得到IMF分量；将待处理CDP数据中加入等长度不等幅高斯白噪声，对复合信号EMD分解，重复操作k次，得到IMF分量cik和余项rik；白噪声幅值并遵循如下规律：a＝ek或lne+0.5alnk＝0式中，e为原信号标准差，即信号与EMD重构结果的偏离，a为白噪声幅值；当加入白噪声幅值增加时，EMD重复分解的次数k需相应增大，以便减少噪声对分解结果的影响。EEMD筛分结果不会因为某一个或几个参数设置不同而产生很大不同，即不依赖人的主观介入，仍具有自适应性。步骤二：对IMF分量整体平均，式中，n为EMD分解的次数；步骤三：对输出的IMF分量进行信噪比SNR计算，并去除掉低信噪比的IMF第一分量；步骤四：对余下的各层IMF分别采用基于Hankle矩阵的奇异值分解去噪，通过奇异值曲线的突变点选择降阶参数；其具体做法如下：设单道地震CDP信号为X,道数为1，时间采样点数位n，则可以将单道地震CDP信号设为1*n的矩阵A，可以分解为：A＝UWVT式中A＝UWVTW＝diag(δ1,δ2,…,δi)为矩阵A的全部非零奇异值，且从大到小排列；U和V分别是矩阵A的左右奇异阵；根据Hankle矩阵的特点，原信号的大部分能量主要集中在较大的奇异值上，而信号中能量微小的细节特征则对应较小的奇异值，而这些小奇异值往往对应着信号噪声，因此通过合适的方法确定信号空间奇异值的有效阶次，再对信号空间的矩阵重构相应项取平均就可以实现对含有白噪信息的IMF分量进行有效的降噪处理；步骤五：对地震每个CDP信号循环步骤一到步骤四，即可将原始地震二维信号分解为N个降噪后的IMF分量地震二维信号；步骤六：对低频的IMF分量地震二维信号做希尔伯特变换，即可得到含有独立低频信息的地震流体预测剖面，根据含流体低频能量增强原则，可通过地震IMF低频剖面能量强弱识别流体部位。本专利技术可以达到以下有益效果：本专利技术利用EEMD分解原始地震信号，并根据SVD算法消除地震信号在EEMD分解过程中的残余在各层IMF分量中的高斯噪声，提高振幅保真性，消除无效冗余信息。本方法从充分考虑地震数据的非平稳性，既有效克服HHT变换的EMD过程中分解可能带来的模态混叠与端点效应，又能够保证较高的频率域分辨率。具体实施方式本专利技术是基于EEMD-SVD的地震流体识别方法，则具体的实现步骤如下：步骤一：输入地震叠后单道CDP数据，进行EEMD经验模态分解，得到IMF分量。将待处理CDP数据中加入等长度不等幅高斯白噪声，对复合信号EMD分解，重复操作k次，得到IMF分量cik和余项rik。白噪声幅值应该遵循如下规律：a＝ek或lne+0.5alnk＝0式中，e为原信号标准差，即信号与EMD重构结果的偏离，a为白噪声幅值。可以看出当加入白噪声幅值增加时，EMD重复分解的次数k需相应增大，以便减少噪声对分解结果的影响。EEMD筛分结果不会因为某一个或几个参数设置不同而产生很大不同，即不依赖人的主观介入，仍具有自适应性。步骤二：对IMF分量整体平均，式中，n为EMD分解的次数。步骤三：对输出的IMF分量进行信噪比SNR计算，并去除掉低信噪比的IMF第一分量。步骤四：对余下的各层IMF分别采用基于Hankle矩阵的奇异值分解去噪，通过奇异值曲线的突变点选择降阶参数。其具体做法如下：设单道地震CDP信号为X,道数为1，时间采样点数位n，则可以将单道地震CDP信号设为1*n的矩阵A，可以分解为：A＝UWVT式中A＝UWVTW＝diag(δ1,δ2,…,δi)为矩阵A的全部非零奇异值，且从大到小排列。U和V分别是矩阵A的左右奇异阵。根据Hankle矩阵的特点，原信号的大部分能量主要集中在较大的奇异值上，而信号中能量微小的细节特征则对应较小的奇异值，而这些小奇异值往往对应着信号噪声，因此通过合适的方法确定信号空间奇异值的有效阶次，再对信号空间的矩阵重构相应项取平均就可以实现对含有白噪信息的IMF分量进行有效的降噪处理。步骤五：对地震每个CDP信号循环步骤一到步骤四，即可将原始地震二维信号分解为N个降噪后的IMF分量地震二维信号。步骤六：对低频的IMF分量地震二维信号做希尔伯特变换，即可得到含有独立低频信息的地震流体预测剖面，根据含流体低频能量增强原则，可通过地震IMF低频剖面能量强弱识别流体部位。其次，本专利技术也可以利用现有的HHT变换方法，利用EEMD对叠后地震数据进行频率域数据分解后，再进行希尔伯特变换，但是其频率域数据较本方法会包含高斯白噪，影响地震信号的保真与保幅性。以上显示和描述了本专利技术的基本原理和主要特征和本专利技术的优点。本行业的技术人员应该了解，本专利技术不受上述实施例的限制，上述实施例和说明书中描述的只是说明本专利技术的原理，在不脱离本专利技术精神和范围的前提下，本专利技术还会有各种变化和改进，这些变化和改进都落入要求保护的本专利技术范围内。本专利技术要求保护范围由所附的权利要求书及其等效物界定。本文档来自技高网...

【技术保护点】
一种基于EEMD‑SVD的地震流体识别方法，其特征在于具体的步骤如下：步骤一：输入地震叠后单道CDP数据，进行EEMD经验模态分解，得到IMF分量；将待处理CDP数据中加入等长度不等幅高斯白噪声，对复合信号EMD分解，重复操作k次，得到IMF分量cik和余项rik；白噪声幅值并遵循如下规律：a＝ek或lne+0.5alnk＝0式中，e为原信号标准差，即信号与EMD重构结果的偏离，a为白噪声幅值；步骤二：对IMF分量整体平均，

【技术特征摘要】
1.一种基于EEMD-SVD的地震流体识别方法，其特征在于具体的步骤如下：步骤一：输入地震叠后单道CDP数据，进行EEMD经验模态分解，得到IMF分量；将待处理CDP数据中加入等长度不等幅高斯白噪声，对复合信号EMD分解，重复操作k次，得到IMF分量cik和余项rik；白噪声幅值并遵循如下规律：a＝ek或lne+0.5alnk＝0式中，e为原信号标准差，即信号与EMD重构结果的偏离，a为白噪声幅值；步骤二：对IMF分量整体平均，式中，n为EMD分解的次数；步骤三：对输出的IMF分量进行信噪比SNR计算，并去除掉低信噪比的IMF第一分量；步骤四：对余下的各层IMF分别采用基于Hankle矩阵的奇异值分解去噪，通过奇异值曲线的突变点选择降阶参数；其具体做法如下：设单道地震CDP信号为X,道数为1，时间采样点数位n，则可以将单道地震CDP信...

【专利技术属性】
技术研发人员：杨巍，杨应，郑鸿献，朱仕军，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川,51