【技术实现步骤摘要】
微地震事件检测方法及系统
本专利技术属于油气勘探
，涉及油气井压裂过程中的监测数据处理技术，具体地说，涉及了一种微地震事件检测方法及系统。
技术介绍
微地震水力压裂监测技术是近年来非常规油气资源勘探开发领域应用的一项重要技术。水力压裂是通过井筒向目标储层注入高粘度的高压流体，使地层岩石破裂而释放能量级别很低的微地震信号。微地震水力压裂监测技术就是对此微地震信号进行检测和处理，以确定每个微地震事件的震源点，进而通过一系列震源点的分布描述压裂裂缝形态和分布规律。实现对微地震事件快速准确地检测是后期微地震数据处理的基础。由于阵列式地面微地震监测系统的检波器都埋设在地表的浅层土壤，容易收到各种干扰的影响。因此，在实际压裂过程中地面监测站点采集的微地震信号背景噪声强，有效事件检测困难。传统的微地震事件检测技术在信号信噪比比较高时可以取得良好的检测效果，但在低信噪比情况下检测常常不准确，这将直接影响后续数据处理的质量。同时传统技术往往需要人工设定阈值，而阈值的设定影响检测结果，这就使得检测过程中引入了主观因素，进一步降低了
【技术保护点】
1.一种微地震事件检测方法，其特征在于，含有以下步骤：/n采集压裂过程中多个监测站点的微地震信号，建立训练数据集和测试数据集；/n建立卷积神经网络模型，将训练数据集样本输入到卷积神经网络模型中进行训练，将测试数据集样本输入至训练后的卷积神经网络模型中检验训练后的卷积神经网络模型的性能；/n存储卷积神经网络模型完成训练后的参数；/n采集实时压裂过程中多个监测站点的微地震信号，建立在线待测试数据集；/n将待测试数据集的数据输入至训练后的卷积神经网络模型中进行检测，获得各监测站点波形数据的样本分类结果，并根据该样本分类结果确定是否存在微地震事件。/n
【技术特征摘要】
1.一种微地震事件检测方法，其特征在于，含有以下步骤：
采集压裂过程中多个监测站点的微地震信号，建立训练数据集和测试数据集；
建立卷积神经网络模型，将训练数据集样本输入到卷积神经网络模型中进行训练，将测试数据集样本输入至训练后的卷积神经网络模型中检验训练后的卷积神经网络模型的性能；
存储卷积神经网络模型完成训练后的参数；
采集实时压裂过程中多个监测站点的微地震信号，建立在线待测试数据集；
将待测试数据集的数据输入至训练后的卷积神经网络模型中进行检测，获得各监测站点波形数据的样本分类结果，并根据该样本分类结果确定是否存在微地震事件。
2.如权利要求1所述的微地震事件检测方法，其特征在于，选用微地震信号中的垂直分量波形数据进行归一化和分组处理，每256个采样点作为一个数据样本，按照不同的样本类别分别标注标签，制作训练数据集和测试数据集。
3.如权利要求2所述的微地震事件检测方法，其特征在于，所述卷积神经网络模型共6层隐含层，采用2层卷积层、2层降采样池化层与2层全连接层组成的模型框架。
4.如权利要求3所述的微地震事件检测方法，其特征在于，训练卷积神经网络模型的具体步骤为：
(1)从训练数据集中均匀抽出小批量样本mini-batch按照批次顺序输入卷积神经网络模型中，计算损失函数值；
(2)通过反向传播进行迭代计算完成梯度的计算，采用自适应性矩估计算法更新卷积神经网络模型的参数，使损失函数值最小；
(3)循环训练所有批次，将所有数据迭代计算一遍成为一个epoch，若epoch未达到设定值，则返回步骤(1)，继续进行训练，若epoch达到设定值，则完成训练。
5.如权利要求4所述的微地震事件检测方法，其特征在于，所述参数包括卷积神经网络模型中每层网络层的权重参数和偏置项参数；所述损失函数采用交叉熵损失函数，定义为：
式中，L(θ)表示交叉熵损失函数，θ表示卷积神经网络模型的权重参数，m表示样本个数，k表示样本种类总数，xi表示第i个样本的输入。
6.如权利要求5所述的微地震事件检...
【专利技术属性】
技术研发人员：盛立，徐西龙，王维波，高明，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。