一种基于在线多核集成的微地震信号识别方法技术

本发明专利技术涉及的是一种基于在线多核集成的微地震信号识别方法，它包括如下步骤：获取原始监测信号，对原始监测信号的波形幅值进行Min

【技术实现步骤摘要】
一种基于在线多核集成的微地震信号识别方法

：
[0001]本专利技术属于地震监测
，具体涉及一种基于在线多核集成的微地震信号识别方法。

技术介绍
：
[0002]微地震监测技术现已被广泛的应用在页岩油勘探开发过程，对于非常规油气资源的勘探开发，水力压裂储层改造技术是国内外应用较为广泛的一种增产手段，而微地震监测技术则是定量分析、评价水力压裂后储层改造情况的一种技术方法。一般情况下，微地震监测分为实时监测处理和后期高精度处理两部分，通过对微地震数据的高精度处理可以反演水力压裂后地下裂缝的倾角、走向、震源位置及发震时刻、震源震级、压裂面积及SRV体积等参数。通过对监测数据的实时处理还可以监测水力压裂施工中裂缝发育的实时情况，进而适时调整压裂方案，降低油气开发成本，为进一步储层改造及开发井位部署提供技术支撑。虽然这个技术在国内工程邻域中的应用才刚刚起步，但是却起着越来越重要的作用。微地震监测能对大型页岩油勘探水力压裂过程提供准确的数据依据，如何能够快速有效的识别出微地震信号，对页岩油勘探过程具有举足轻重的意义。传统方法主要是以下五类：第一类采用的是能量比分析方法，采用短时窗特征函数与长时窗特征函数之比确定事件到时。第二类是根据微地震事件到达后会发生振幅、能量的增强，通过分维数的变化锁定微地震事件。第三类AIC法，若噪声和信号都用AR模型表示，微地震波到来时AR阶次会发生骤变，AIC最小值对应其骤变点。第四类采用的基于聚类的方法，将能量、均值、标准差等作为特征函数进行聚类分析，第五类基于分类的方法，把信号和噪声的差异作为分类特征。
[0003]中国专利技术专利ZL201210536918.9，公开了一种基于形态滤波的微地震事件识别方法。根据进行形态滤波后的数据计算长短时窗的能量比将所述能量比与触算长发阂短时间窗值进行比较以识别所述检被器是否存在微地震事件，该方法能够提高微地震事件的识别效率。
[0004]中国专利申请201510170925.5，公开了一种基于多道扫描叠加的井下微地震事件自动识别方法，其通过选用滑动时窗将微地震记录划分成连续的多段记录，从分段记录中选择信噪比高的一道作为参考道，并计算参考道与其它各道的互相关函数，得到道时差信息利用道时差信息调整各道的时窗位置对该段记录进行时差校正计算多道相似系数，最后利用多道相似系数检测微地震事件。该方法可以有效地从背景噪音中自动提取出微弱的微地震事件，提高识别效率。
[0005]现有微地震事件识别方法主要是利用能量比方法对微地震事件进行识别，耗时耗力且没有考虑到微地震信号的实时性特点无法保证微地震信号的时效性。

技术实现思路
：
[0006]本专利技术的目的是提供一种基于在线多核集成的微地震信号识别方法，这种基于在线多核集成的微地震信号识别方法用于解决现有微地震事件识别方法耗时耗力且无法保
证微地震信号的时效性的问题。
[0007]本专利技术解决其技术问题所采用的技术方案是：这种基于在线多核集成的微地震信号识别方法包括如下步骤：
[0008]步骤S1：获取原始监测信号，对原始监测信号的波形幅值进行Min
‑
Max归一化，中心化的预处理；
[0009]步骤S2：使用步骤S1中预处理后的结果，提取5种信号特征，分别为信号峰度系数、信号过零率、信号的信噪比、小波包系数香农熵、小波包系数能量比，并将这些不同的信号特征进行融合后产生新特征；
[0010]步骤S3：使用M个待选取的核函数将步骤S2得到的数据进行特征映射；
[0011]步骤S4：使用规范化核对齐的核度量方法从M个核函数中选择m个核函数(m＜M)，具体为：
[0012]计算核矩阵与二分类任务目标矩阵的对齐程度，即核对齐值的计算公式为：
[0013][0014]其中，C为基于微地震数据集的余弦矩阵；
[0015][0016]Y为二分类任务的目标矩阵：
[0017][0018]分别计算核函数k
q
(q＝1,...,M)对应的核矩阵K
q
与Y的值并通过比较的大小，选取前m个较大值对应的核函数构成新的核函数集合；
[0019]步骤S5：使用加权随机梯度下降算法分别训练m个SVM分类器；
[0020]步骤S6：使用Online
‑
Adaboost技巧在线集成m个SVM分类器；
[0021]步骤S7：使用集成后的在线多核分类器对微地震信号进行识别，最终的分类器模型采用加权多数投票的方式对新样本进行预测：
[0022][0023]上式结果为1代表实际的微地震信号，为
‑
1代表噪声信号。
[0024]上述方案步骤S1的具体方法为：
[0025]将原始检波器监测信号使用Min
‑
Max方法进行归一化处理，具体定义为：
[0026][0027]其中，P1表示归一化处理后波形数据的幅值，P为表示原记录波形信号的幅值，
[0028]然后再对数据进行中心化处理，具体定义为：
[0029]P2＝P1‑
mean(P1)
ꢀꢀꢀ
(2)
[0030]其中，P2表示中心化处理后波形数据的幅值。
[0031]上述方案步骤S2中对预处理的信号进行特征提取，每个特征具体的特取方法为：
[0032]信号峰度系数反映了信号的统计分布与正态分布之间的联系，是信号的一个概率分布特征，其具体的提取方法为计算数据的的四阶中心矩除以数据方差的平方：
[0033][0034]其中，P2为步骤S1中处理后的波形信号的幅值，EP2为其数学期望；
[0035]信号过零率反映了信号的频率，即在一定时间内时域信号的幅值穿越特定阀值零点线的总次数，是信号的一个频率特征是，其提取方法为计算一定时间内时域信号的幅值穿越特定阀值零点线的总次数与当前信号片段采样点数的商，在所指定的窗口长度内设定一个阈值，相邻两点在阀值上下即计数1，在阀值的同一侧计数0，用所记的过零点数W除以总的采样点数D，计算公式如下：
[0036][0037]取所得数据的前4个采样片段的数据的峰值vpp的均值，再乘以经验系数d，作为此样本的过零率阀值Thr:
[0038][0039]选取每个样本将接收到若干个信号的最大过零率，然后取算术平均得到样本的过零率特征；
[0040]信号的信噪比作为一种衡量信号好坏的指标，是信号的一个时域能量特征，其具体提取方法为使用SVD奇异值分解来对微地震信号进行信噪比估算：
[0041]首先考虑有一个N道地震记录的地震事件表格，其中行是单道地震记录，列是不同的道数，此地震记录用一个矩阵Z表示，其元素为Z
ij
代表一个地震记录点，i为不同的道数，j为每一个道中不同时间的采样点号；根据SVD理论，Z的SVD写成：
[0042]Z＝UGV
T
ꢀꢀꢀ
(6)
[0043]其中，矩阵U中的向量都是相互正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于在线多核集成的微地震信号识别方法，其特征在于包括如下步骤：步骤S1：获取原始监测信号，对原始监测信号的波形幅值进行Min
‑
Max归一化，中心化的预处理；步骤S2：使用步骤S1中预处理后的结果，提取5种信号特征，分别为信号峰度系数、信号过零率、信号的信噪比、小波包系数香农熵、小波包系数能量比，并将这些不同的信号特征进行融合后产生新特征；步骤S3：使用M个待选取的核函数将步骤S2得到的数据进行特征映射；步骤S4：使用规范化核对齐的核度量方法从M个核函数中选择m个核函数(m＜M)，具体为：计算核矩阵与二分类任务目标矩阵的对齐程度，即核对齐值计算核矩阵与二分类任务目标矩阵的对齐程度，即核对齐值的计算公式为：其中，C为基于微地震数据集的余弦矩阵；Y为二分类任务的目标矩阵：分别计算核函数k
q
(q＝1,...,M)对应的核矩阵K
q
与Y的值并通过比较的大小，选取前m个较大值对应的核函数构成新的核函数集合；步骤S5：使用加权随机梯度下降算法分别训练m个SVM分类器；步骤S6：使用Online
‑
Adaboost技巧在线集成m个SVM分类器；步骤S7：使用集成后的在线多核分类器对微地震信号进行识别，最终的分类器模型采用加权多数投票的方式对新样本进行预测：上式结果为1代表实际的微地震信号，为
‑
1代表噪声信号。2.根据权利要求1所述的基于在线多核集成的微地震信号识别方法，其特征在于：所述的步骤S1的具体方法为：将原始检波器监测信号使用Min
‑
Max方法进行归一化处理，具体定义为：
其中，P1表示归一化处理后波形数据的幅值，P为表示原记录波形信号的幅值，然后再对数据进行中心化处理，具体定义为：P2＝P1‑
mean(P1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)其中，P2表示中心化处理后波形数据的幅值。3.根据权利要求2所述的基于在线多核集成的微地震信号识别方法，其特征在于：步骤S2中对预处理的信号进行特征提取，每个特征具体的特取方法为：信号峰度系数反映了信号的统计分布与正态分布之间的联系，是信号的一个概率分布特征，其具体的提取方法为计算数据的的四阶中心矩除以数据方差的平方：其中，P2为步骤S1中处理后的波形信号的幅值，EP2为其数学期望；信号过零率反映了信号的频率，即在一定时间内时域信号的幅值穿越特定阀值零点线的总次数，是信号的一个频率特征是，其提取方法为计算一定时间内时域信号的幅值穿越特定阀值零点线的总次数与当前信号片段采样点数的商，在所指定的窗口长度内设定一个阈值，相邻两点在阀值上下即计数1，在阀值的同一侧计数0，用所记的过零点数W除以总的采样点数D，计算公式如下：取所得数据的前4个采样片段的数据的峰值vpp的均值，再乘以经验系数d，作为此样本的过零率阀值Thr:选取每个样本将接收到若干个信号的最大过零率，然后取算术平均得到样本的过零率特征；信号的信噪比作为一种衡量信号好坏的指标，是信号的一个时域能量特征，其具体提取方法为使用SVD奇异值分解来对微地震信号进行信噪比估算：首先考虑有一个N道地震记录的地震事件表格，其中行是单道地震记录，列是不同的道数，此地震记录用一个矩阵Z表示，其元素为Z
ij
代表一个地震记录点，i为不同的道数，j为每一个道中不同时间的采样点号；根据SVD理论，Z的SVD写成：Z＝UGV
T
ꢀꢀꢀꢀꢀꢀꢀ
(6)其中，矩阵U中的向量都是相互正交的向量，U中的向量为左奇异向量，V
T
是一个N维的矩阵，里面的向量也是正交向量，V中向量被称为右奇异向量，G是一个N*M维的一个矩阵，在矩阵G中除了对角线上的其他元素的值全部为0，G的表达式如下所示：G＝diag(σ1,σ2,...σ
i
)
ꢀꢀꢀꢀꢀ
(7)其中，σ
i
(i＝1,2,
…
N)为第i道地震记录经过SVD分解后对应的奇异值；地震记录中总的能量等于奇异值的平方和：

【专利技术属性】
技术研发人员：王梅，董宏丽，杨二龙，张岩，陈琳琳，王志宝，
申请(专利权)人：东北石油大学，
类型：发明
国别省市：