微地震事件检测与定位方法及系统技术方案

本发明专利技术涉及一种微地震事件检测与定位方法及系统，所述方法的步骤为：将采集的压裂过程中多个监测站点的微地震信号进行SET成像，将成像图按照是否发生微地震事件进行划分，建立训练数据集和测试数据集；将训练数据集样本输入到建立的残差网络模型中进行训练，将测试数据集样本输入至训练后的残差网络模型中检验其性能；存储训练后残差网络模型的参数；采集实时压裂过程中多个监测站点的微地震信号，建立待测试数据集，将待测试数据集数据输入至训练后的残差网络模型中进行检测，获得成像图分类结果，并根据成像图分类结果确定是否存在微地震事件及震源位置。本发明专利技术能够实现微地震事件及震源位置的实时在线检测，识别速度快，识别精度高。识别精度高。识别精度高。

【技术实现步骤摘要】
微地震事件检测与定位方法及系统


[0001]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，涉及一种微地震事件检测与定位方法及系统。

技术介绍

[0002]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。
[0003]地震发射层析(简称：SET)成像法是一种适用于地面监测的技术，该SET成像法首先将被监测区域进行网格划分，然后根据地层速度计算每个网格点到地面监测站点的理论走时，将监测站点的信号进行偏移叠加，来计算每个网格点的Semblance值，然后对Semblance最大值点所在层进行成像，从而生成成像图。SET成像法能处理低信噪比的信号，但是SET成像法在后置处理过程中都存在着一定的局限性，如在海量数据下成像图的识别问题。以我国为例，简述大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种微地震事件检测与定位方法，其特征在于，其具体步骤为：S1、采集压裂过程中多个监测站点的微地震信号，将采集到的微地震信号进行SET成像，根据成像结果建立训练数据集和测试数据集；S2、建立残差网络模型，将训练数据集样本输入到残差网络模型中进行训练，将测试数据集样本输入至训练后的残差网络模型中检验训练后残差网络模型的性能；S3、存储训练后残差网络模型的参数；S4、采集实时压裂过程中多个监测站点的微地震信号，进行SET成像，根据成像结果建立待测试数据集；S5、将待测试数据集的数据输入至训练后的残差网络模型中进行检测，获得成像图样本分类结果，并根据成像图的分类结果来确定是否存在微地震事件以及震源位置。2.如权利要求1所述的微地震事件检测与定位方法，其特征在于，步骤S1中，建立训练数据集和测试数据集的具体步骤为：选用多通道微地震信号中的垂直分量波形数据进行SET成像，进行SET成像时，截取某一区间的多通道实时监测信号，再次以每1200个监测信号采样点作为一次成像过程的输入；成像结束后，将成像图按照不同的样本类别分别标注标签，建立训练数据集和测试数据集。3.如权利要求1所述的微地震事件检测与定位方法，其特征在于，步骤S2中，所述残差网络模型共20层隐含层，采用1个卷积层、2个池化层与7个残差块组成的模型框架；两个池化层分别为最大池化层和平均池化层，7个残差块为2个Conv Block和5个Identity Block。4.如权利要求1所述的微地震事件检测与定位方法，其特征在于，步骤S2中，训练残差网络模型的具体步骤为：(1)从训练数据集内随机抽取小批量样本输入到残差网络模型中，计算损失函数；(2)通过反向传播算法完成梯度的计算，采用自适应矩估计算法更新残差网络模型的参数，使损失函数最小；(3)循环训练每个样本批次，当每次样本批次迭代完成后，将测试数据集输入到残差网络模型中，测试残差网络模型的可靠性，当测试数据集的精度符合要求时，完成残差网络模型训练，否则重复步骤(1)。5.如权利要求4所述的微地震事件检测与定位方法，其特征在于，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，h表示样本个数，k表示样本种类总数，x
i
表示第i个样本的输入，y
i
表示第i个样本的输出，T表示转置操作。6.如权利要求1所述的微地震事件检测与定位方法，其特征在于，步骤S3中，所述参数包括残差网络...

【专利技术属性】
技术研发人员：高明，官强，王维波，盛立，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：