基于NARX动态神经网络的微地震有效事件自动拾取方法技术

本发明专利技术属于微地震监测技术领域，公开了一种基于NARX动态神经网络的微地震有效事件自动拾取方法，包括以下步骤：1)对模拟与实测微地震监测数据进行振幅归一化预处理，建立训练和测试数据库；2)采用汉宁窗对原始微地震记录的有效信号进行序列标记；3)建立具有Series

【技术实现步骤摘要】
基于NARX动态神经网络的微地震有效事件自动拾取方法


[0001]本专利技术属于微地震监测
，涉及一种微地震有效事件自动拾取方法，具体涉及一种基于NARX动态神经网络的微地震有效事件自动拾取方法。

技术介绍

[0002]微地震监测技术近年来被广泛地应用于致密油气藏的水力压裂监测、矿山岩爆监测、二氧化碳地质封存监测和常规油气田注采诱发地震监测。尤其在致密油气藏的开发中，微地震水力压裂监测是唯一能够对诱导裂缝的几何形状进行成像的远场技术。通过实时微地震监测震源的时间和空间分布，可估算诱导裂缝的几何产状、地应力的变化以及裂缝网格的连通性，以此来估测压裂井的最优射孔区间和储层改造体积，从而达到优化压裂工程的目的。
[0003]有效事件自动拾取是微地震监测的核心技术。微地震监测过程中，微地震监测记录的数据量大且包含强幅度的背景噪声，急需建立高效率、高精度的微地震有效事件自动拾取系统，对有效信号进行实时提取，为后续的震源定位以及反演诱导裂缝的时域分布、空间展布等奠定基础。常规的微地震有效事件自动拾取方法根据有效事件和噪声在时域或频域不同的统计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，包括如下步骤：Step1、预处理：整合不同信噪比与震源辐射特性的模拟与实测微地震监测数据，建立训练数据库与测试数据库；Step2、微地震有效信号序列标记：采用汉宁窗对训练数据库中每一道波形数据的有效信号序列进行标记，获取相应的标签序列；Step3、NARX模型建立：建立具有Series
‑
Parallel反馈结构的NARX动态神经网络训练模型，设定隐含层个数、神经元个数以及时延系数参数，初始化NARX动态神经网络模型；Step4、NARX模型训练：基于训练数据库和标签序列，采用Levenberg
‑
Marquardt优化算法训练初始化的NARX动态神经网络模型；Step5、提取特征曲线：基于Step4训练好的NARX动态神经网络模型提取测试数据库中微地震信号的特征曲线；Step6、有效事件拾取：设置期望阈值，从Step5提取的特征曲线拾取是否存在有效事件，输出有效事件的初至。2.根据权利要求1所示基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，所述Step1中，数据预处理包括：对训练数据库与测试数据库中的每一道微地震波形数据进行归一化处理，公式表示为：式中，x为原始微地震数据，为归一化之后的微地震数据，|x|
max
为原始微地震数据绝对值的最大幅度。3.根据权利要求2所示基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，将原始微地震数据按70％和30％的比例划分为训练数据集与测试数据集。4.根据权利要求1所示基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，所述Step2中，有效信号序列进行标记包括：针对训练数据库中归一化处理后的微地震数据，手动拾取P波初至，将微地震波形的整个P波有效信号所在波形序列标记为汉宁窗，其余位置标记为零，以此获取有效信号的标签序列，得到期望输出信号，公式表示为：x
L
＝δ(t
P
)*H(n)式中，x
L
为微地震有效信号的序列标记输出，δ(t
p
)为P波初至所在的单位脉冲函数，t
p
为纵波初至，H为汉宁窗，cos为余弦函数，N为窗函数的长度，由有效事件拾取的期望分辨率确定。5.根据权利要求1所示基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，所述...

【专利技术属性】
技术研发人员：李萌，罗浩，李辉峰，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：