文章快速检索  
  高级检索
高精度分频相干加强技术在微小断层识别中的应用
冯智慧1, 张文春1, 李向群1, 孙广利1, 刘财2     
1. 吉林建筑大学测绘与勘查技术学院, 长春 130118 ;
2. 吉林大学地球探测科学与技术学院, 长春 130026
摘要: 随着致密油、页岩气等非常规能源领域勘探程度的加深,特别是水平井位的大规模部署,微小断层的准确识别比以往更加重要。本文利用扩散滤波技术在压制噪声的同时能够增强地震同相轴横向连续性、使断点更加清晰、以及微小断层在窄频带地震数据中断层特征明显的特点,提出了一种基于高精度快速匹配追踪的分频相干加强微小断层识别方法。与常规短时窗傅氏变换谱分解技术相比,基于匹配追踪的谱分解技术更适用于地震信号非平稳性的特点。为了在保证匹配追踪算法计算高效性的同时进一步提高计算精度,对其进行了相应的改进:采用可变尺度参数的Morlet小波构建时频原子库,利用二阶微分复数道分析技术得到高分辨率三瞬参数,最后给出了具体的实现步骤。实际数据应用表明,与常规相干体技术相比,分频相干加强技术对微小断层的反映更为清晰、准确,而且对河道边界和岩性发育区等地质信息也有更好的反映。这不但为非常规勘探(以水平井钻探及大规模压裂为核心技术)提供了更详细的地质信息,而且在高含水老油田的剩余油开发中也将发挥更大的作用。
关键词: 分频相干加强     快速匹配追踪     水平井     复数道分析     微小断层    
Application of High-Precision Frequency Division Coherency Enhancement Technique in Micro-Fault Identification
Feng Zhihui1, Zhang Wenchun1, Li Xiangqun1, Sun Guangli1, Liu Cai2     
1. School of Surveying and Exploration & Engineering, Jilin Jianzhu University, Changchun 130118, China ;
2. College of GeoExploration Science and Technology, Jilin University, Changchun 130026, China
Supported by Supported by the State Key Development Program for Basic Research of China (2013CB429805, 2009CB219301), the National Natural Science Foundation of China (41174080, 41340039) and Public Welfare Industry Research Projects(201011078)
Abstract: With the deepening of unconventional petroleum resource exploration, such as tight oil, shale gas and so on, especially the large-scale horizontal well deployment, the accurate identification of micro-faults is more important than before. According to the characteristics that diffusion filtering technique can enhance seismic events lateral continuity and suppress noise at the same time, make the offset point more clear, and the feature of micro-fault is very obvious in narrow-frequency seismic data, the authors proposed a frequency division coherence method to identify micro-faults. The spectral decomposition technology based on matching pursuit is more suitable for the characteristic of a non-stationary seismic signal than the conventional short-time window Fourier transform spectral decomposition technique. This paper proceeds the corresponding improvement to make it more efficient and more accurate: adopting adjustable parameter Morlet wavelet to establish time-frequency atom dictionaries, using second-order differential complex trace analysis method to get three instantaneous parameters with high resolution, and giving the concrete implementation steps. The application of actual data shows that the frequency division coherence technique is clearer and more accurate for the identification of micro-faults comparing with the traditional coherence technique, and even more preferable for the geological information such as a river channel boundary and a lithology development zone. It provides more geological information for unconventional petroleum resources exploration (for horizontal well drilling and the large scale fracturing) and will play an important role in the development of the remaining oil with high containing water.
Key words: frequency division coherency enhancement     matching pursuit     horizontal well     complex trace analysis     micro-fault    

0 引言

随着美国主导的页岩气能源革命的深入展开并获得巨大成功,我国也在致密油气、页岩气等非常规能源领域开展了大量工作;这对地下地质情况的掌握程度提出了更高的要求,微小断层的准确识别与以往相比显得更加至关重要。自20世纪90年代B P Amoco(英国石油阿莫科)公司首次提出相干体技术以来,该技术一直是识别断层的核心技术。到目前为止,相干体技术已从第一代基于互相关的C1相干算法[1]、第二代利用地震道相似性的C2相干算法[2]发展到第三代基于特征值计算的C3相干算法[3]。虽然后期又出现了地震切片[4]、曲率体[5-7]、蚂蚁体[8-9]等断层识别技术,但相干体技术仍然在断层识别中发挥着非常重要的作用。上述断层识别技术均基于常规全频带地震资料,对于尺度较大的断层能取得较好的应用效果,但对于尺度较小的微小断层则不能有效识别。为了在提高地震资料信噪比的同时保护断层等重要构造信息在处理过程中不受破坏,人们引入扩散滤波技术,提出了相干加强断层识别技术[10-13],作为常规相干技术的拓展。

频率作为地震信号的三要素之一,一直为广大地球物理工作者所关注,并且越来越多的学者将频谱信息用于地震资料的解释中。源于B P Amoco[14]公司的谱分解技术是利用短时窗傅氏变换方法将时间域地震信号转换到频率域,并通过地震资料的频率切片实现储层预测,这是频谱分析技术的一个重要进步。短时窗傅氏变换方法时频分辨率由窗函数的长度决定,而不同的时窗长度将会产生较大的差别,为应用带来困难。后来,不断有新的基于时频分析理论的谱分解技术出现。从目前各类文献资料来看,基于时频分析方法的谱分解技术大致分为两类:一类是线性时频分析方法,包括短时傅氏变换、小波变换、S变换、广义S变换、快速匹配追踪(MPD)等[15-20];另一类是非线性时频分析方法,主要是指Wigner时频分布[21-22]。理论上,上述方法各具特色和优点,但也都存在一定的局限[23]

Sun等[24]将常规谱分解技术与相干技术结合起来,提出了分频相干技术并成功用于火山岩裂缝检测,但窄带地震资料的高信噪比没办法保证。与常规短时窗的谱分解技术相比,基于快速匹配追踪的谱分解技术对薄互层具有更高的分辨率。本文将基于快速匹配追踪的谱分解技术与扩散滤波相干加强技术结合,提出了分频相干加强技术。并且,针对匹配追踪算法的计算精度进行了改进:采用可变尺度参数的Morlet小波构建时频原子库;首次利用二阶微分复数道分析技术得到高分辨率三瞬参数,以提高窄带地震资料的信噪比。

1 方法原理及实现

分频相干加强技术利用窄频带地震资料对微小断层敏感的特点,结合扩散滤波去噪及相干加强体技术,从而实现了微小断层的检测。可见,该方法的实现包括三部分:第一是地震资料分频处理;第二是扩散滤波去噪;第三是相干体计算。其中,地震资料分频处理尤为重要,它的好坏直接影响微小断层的识别精度。因此,本文提出了一种基于快速匹配追踪的分频相干技术。其主要思想为:1) 利用可变尺度参数k的Morlet小波构建完备时频原子库,保证匹配精度;2) 利用高分辨率复数道分析方法得到高精度三瞬参数,保证匹配的时效性,并为局部地震信号匹配提供先验信息;3) 利用Wigner分布的高时频聚集性实现时频原子的时频转换;4) 对全频带地震资料进行谱分解,计算获得一系列窄带地震资料;5) 对窄带地震资料进行扩散滤波去噪,突出有效信号,使同相轴更连续、断点更清晰;6) 最后对去噪后的窄频地震资料进行相干体计算,实现微小断层的识别。

1.1 建立完备的时频原子库

匹配追踪算法的首要任务是建立合理完备的时频原子库,这关系到地震信号匹配分解的精度。Morlet小波与地震子波具有相似性,适合对地震信号的能量和频谱进行分析。Morlet小波的表达式为

式中:t为时间;f为主频;τ为中心位置时间;φ为小波相位;k为控制小波带宽的尺度参数。

由式(1)可知,时频原子库的构建基于Morlet小波中的三个参数(f,φ,k)。为了保证子波的完备性,要求每个参数有足够的取值范围,且划分精细。通过测试确定f∈5 Hz,120 Hz,φ∈[-180°,120°]。而对于参数k,常规Morlet小波中采用固定的数值。为了适应地震信号非平稳性的特点及小波最优尺度的选择,本文设定k∈(0,1][25]

综上所述,构建的完备原子库D可表示为

式中:mri为每次迭代获取的最佳匹配时频原子;ri={τi,fi,φi,ki},τi、fi、φi、ki为时频原子的中心位置时间、主频、相位、尺度因子;Γ为索引集合;‖ ‖表示求模运算。

1.2 时频原子快速匹配

匹配追踪每一次迭代都获取最佳匹配的原子mri,经过N次迭代后,地震信号x(t)可表示为

式中:aimri的振幅;R(N)f为匹配后残差。

常规匹配追踪采用反复迭代的“贪婪式”搜索匹配过程,因此计算效率很低,这直接影响了匹配追踪的实际应用。为了提高匹配追踪算法的计算效率,本文首先利用高分率复数道分析方法确定时频原子的先验信息,之后采用局部动态匹配扫描方法确定最佳匹配原子。具体流程如下。

1.2.1 高分率复数道分析方法确定原子先验信息

通常,对于一个给定的实地震道x(t)及Hilbert变换,可以形成其对应的复数道:

式中,h(t)为Hilbert变换。但是,对于高分辨率地震勘探,特别是对于薄层的研究,常规复数道分析方法的精度已经无法满足其要求。为使其能适用于薄层特性的研究,本文引入高分辨率复数道分析方法[26]

设地震道x(t)的频谱为X(ω),则

对两边求二阶导数,有

可见,x2(t)是由x(t)的频谱加权得到的,加权因子为-ω2。这相当于一个频率特征为-ω2的滤波器对原地震道进行一次滤波,而且滤波之后不改变其频带宽度。这种滤波对地震波在传播过程中高频分量的损失起到一定的补偿作用。该滤波器的特征振幅谱为A(ω)=ω2;可以看出,频率越高,振幅的能量增益越大[27]。显然,x2(t)的频谱主频增高了。根据分辨率的概念,在带宽不变或者加宽时,x2(t)的分辨率要比x(t)高。二次微分后得到的记录与原记录相比发生了极性反转;这一问题用对微分结果符号取反的方法解决,即新的地震道为-x2(t),使处理结果不发生极性改变。

下面研究-x2(t)的瞬时参数表达式。令

式中,δ(t)为脉冲函数。因为x2(t)比x(t)的分辨率高,所以,复数道q(t)也要比复数道R(t)的分辨率高。因此,q(t)R(t)更适合薄层问题的研究。其改进的数学表达式如下。

最后,为了初步确定原子的先验信息,可以将最大瞬时振幅包络AMax(t)所对应的时间t、瞬时相位θ(t)、瞬时频率ω(t)分别作为时频原子mri的中心位置时间τi、相位φi、主频${{f}_{i}}\left( f=\frac{\omega }{2\pi } \right)$

1.2.2 局部动态扫描确定最佳匹配原子

由式(2)可知,经过i次迭代的残差表示为

为了使时频原子mri及其振幅ai在匹配过程中达到最优,需要R(i+1)f达到最小值。为此,利用如下优化方程在局部范围[riΔri,ri+Δri]内动态扫描确定mri的参数,即

式中,〈 〉表示内积运算。然后,利用

计算得到时频原子mri的振幅。最后,设定阈值作为匹配结束的判断标准,当地震信号的残差能量小于某个阈值时,则判定分解完成。

1.3 求取时频原子Wigner分布

Wigner分布是一种二次型时频分布方法,全称是Wigner-Ville分布(WVD)。因为它与其他的线性时频分析技术相比并不受窗函数的限制,达到了“测不准原理”的下界,因此具有最高的时频分辨率。但是由于Wigner分布不再满足线性叠加原理,而是满足“二次叠加原理”;因此,Wigner分布时频分析方法应用于多分量信号分析时存在交叉干扰项的问题,抑制交叉项的同时导致分辨率下降[28]。但对于时频原子则不存在这个问题。因此,在地震资料快速匹配稀疏分解的基础上,利用Wigner分布高时频分辨率的特点实现时频转换。即

式中:W(t,f)为Wigner分布;τ1为时间延迟。

至此,实现了快速匹配追踪时频分析算法。与其他线性时频分析技术相比,快速匹配追踪时频分析算法具有更高的时频分辨率(图 1)。

a.模拟信号;b.短时傅氏变换;c.小波变换;d.广义S变换;e.快速匹配追踪。 图 1 快速匹配追踪与其他线性时频分析比较 Figure 1 MPD and other linear time-frequency analysis
1.4 原始数据体谱分解计算

与常规全频带地震资料相比,窄带地震资料对微小断层的反映更清晰。因此,利用上述快速匹配追踪时频分析方法实现对原始数据体的谱分解处理,突出微小断层的地震响应特征。

1.5 窄带地震资料扩散滤波

与常规全频带地震资料相比,高频端窄带地震资料对微小断层更敏感,更有利于微小断层的识别。但由于高频噪声的存在使其信噪比有所降低,因此在进行相干体计算之前有必要先进行扩散滤波去噪[29-32]。扩散在物理学中指分子从高浓度向低浓度的移动。当把这种扩散过程应用到地震资料处理时,研究对象就从分子变成了振幅,扩散过程也由线性变成了非线性的各向异性模式。对张量扩散方程进行离散化,得到滤波迭代公式:

其中:uk+1uk分别表示地震资料在kΔt和(k+1)Δt时刻的滤波结果;Δt为每次迭代的扩散时间;D为扩散张量。

对常规全频带地震资料(图 2a)进行谱分解处理之后,窄带地震资料的分辨率有所提高,但信噪比有所降低(图 2b);而进行扩散滤波去噪之后,不但信噪比提高,微小断层的地震响应特征也得到突出(图 2c)。

a.常规原始资料;b.谱分解资料;c.窄带滤波资料。 图 2 三种地震资料比较 Figure 2 Comparison of three kinds of seismic data
1.6 生成窄频带相干体

对窄带三维地震数据体进行相干计算,生成一系列相干数据体。然后利用目的层相干体平面属性 进行微小断层识别刻画[33-34]

综上所述,分频相干加强算法的主要流程如图 3所表示。

图 3 分频相干加强流程图 Figure 3 Frequency coherent enhancement flow chart
2 实际资料应用效果

大庆YP1井区是大庆油田非常规致密油勘探领域中具有里程碑意义的探区,该区内成功钻探大庆长垣第一口水平探井,并为后续水平井的钻探积累了成功经验。该区是典型的陆相曲流河沉积,河道摆动迁移现象严重,砂泥薄互层发育;而且在水平井随钻导向过程中发现,微小断层的存在制约着水平井轨迹的精确导向,因此急需进行能够准确识别微小断层的物探技术攻关。本文将分频相干加强技术应用于大庆YP1井区,结果如图 4图 5所示。

a. 常规相干图;b. 40 Hz分频相干图;c. 60 Hz分频相干图;d. 80 Hz分频相干图。 图 4 大庆YP1井区分频相干加强切片 Figure 4 Frequency division coherent enhanced slice of Daqing YP1 well zone
a. 全频带相干数据剖面;b. 60 Hz相干数据剖面。 图 5 大庆YP1井区分频相干加强剖面 Figure 5 Frequency division coherent enhancement section of Daqing YP1 well zone

图 4为大庆YP1井区分频相干加强切片。从图 4中可以看出:常规相干图(图 4a)基本可以反映出YP1井区比较大尺度的断层发育情况,但是对微小断层却无法显示;40 Hz分频相干图(图 4b)可以在一定程度上显示出井区内的微小断层,但由于该频率仍在主频(30 Hz)附近频段内,因此效果仍不明显;在60 Hz分频相干图(图 4c)中,从断层显示效果来看,无论大尺度断层还是微小断层都显示得很清楚,而且还可以看出砂泥岩的分界线及小的“甜点”区域;80 Hz分频相干图(图 4d)由于处于高频端,噪音干扰太强,有效信息被淹没太严重,显示效果很不理想。图 5为大庆YP1井区分频相干加强剖面,图中椭圆所指位置发育一条小断层。由图 5可见,在60 Hz单频相干数据剖面(图 5b)上显示的小断层特征较全频带相干数据剖面(图 5a)更明显。

可以看出,对于分频频率的选择要适中,不能太低,频率太低对微小断层显示效果不好;频率也不能太高,太高则噪音干扰太强,不能对工区内的断层进行有效识别。本文提出的分频相干技术通过适度地选择分频频率,成功预测了微小断层的发育区带。

3 结论

1) 为了在非常规勘探中提高对微小断层的识别能力,本文将基于快速匹配追踪的谱分解技术与相干加强技术结合,提出了一种分频相干加强微小断层识别技术。为了进一步提高匹配追踪的精度和计算效率,对其进行了改进:采用可变尺度参数的Morlet小波构建时频原子库;首次利用二阶微分复数道分析技术得到高分辨率三瞬参数。

2) 窄频带地震资料虽然对微小断层具有更好的地震响应,但其信噪比有所下降;利用扩散滤波技术在压制噪声的同时能够增强地震同相轴的横向连续性,使断点也更加清晰。

3) 实际资料应用效果表明,分频相干加强技术于对微小断层、河道边界以及一些特殊岩性体边界的识别均取得了较好的应用效果。

参考文献
[1] Bahorich M S, Farmer S L. 3-D Seismic Coherency for Faults and Stratigraphic Features[J]. The Leading Edge , 1995, 60 (3) : 1075-1082.
[2] Marfurt K J, Kirlin R L, Farmer S L. 3-D Seismic Attribute Using a Semblance-Based Coherency Algorithm[J]. Geophysics , 1998, 63 (4) : 1150-1165. DOI:10.1190/1.1444415
[3] Gersztenkorn A, Marfurt K J. Eigen Structure Based Cohe-rence Computations as an Aid to 3-D Structural and Stratigraphic Mapping[J]. Geophysics , 1999, 64 (5) : 1468-1479. DOI:10.1190/1.1444651
[4] 雷明, 王建功, 刘彩艳, 等. 地震切片技术在安达工区的应用[J]. 石油地球物理勘探 , 2010, 45 (3) : 418-422. Lei Ming, Wang Jiangong, Liu Caiyan, et al. Application of Slicing Technology in Anda Area[J]. Oil Geophysical Prospecting , 2010, 45 (3) : 418-422.
[5] Lisle R L. Detection of Zones of Abnormal Strains in Structures Using Gaussian Curvature Analysis[J]. AAPG Bulletin , 1994, 78 (12) : 1811-1819.
[6] Roberts A. Curvature Attributes and Their Application to 3D Interpreted Horizons[J]. First Break , 2001, 19 (2) : 85-100. DOI:10.1046/j.0263-5046.2001.00142.x
[7] Bergbauer S, Mukerji T, Hennings P. Improving Curvature Analyses of Deformed Horizons Using Scale-Dependent Filtering Techniques[J]. AAPG Bulletin , 2003, 87 (8) : 1255-1272. DOI:10.1306/0319032001101
[8] 张欣. 蚂蚁追踪在断层自动解释中的应用:以平湖油田放鹤亭构造为例[J]. 石油地球物理勘探 , 2010, 45 (2) : 278-281. Zhang Xin. Application of Ant Tracing Algorithm in Fault Automatic Interpretation:A Case Study on Fangheting Structure in Pinghu Oilfield[J]. Oil Geophysical Prospecting , 2010, 45 (2) : 278-281.
[9] 史军. 蚂蚁追踪技术在低级序断层解释中的应用[J]. 石油天然气学报 , 2009, 31 (2) : 257-258. Shi Jun. Application of Ant Tracking Technology in Small Fault Interpretation[J]. Journal of Oil and Gas Technology , 2009, 31 (2) : 257-258.
[10] 董志华, 周家雄, 隋波, 等. 基于扩散滤波方法的小断层识别技术[J]. 石油地球物理勘探 , 2013, 48 (5) : 758-762. Dong Zhihua, Zhou Jiaxiong, Sui Bo, et al. Small Fault Identification Technique Based on Diffusion Filtering[J]. Oil Geophysical Prospecting , 2013, 48 (5) : 758-762.
[11] 孙夕平, 杜世通, 汤磊. 相干增强各向异性扩散滤波技术[J]. 石油地球物理勘探 , 2004, 39 (6) : 651-655. Sun Xiping, Du Shitong, Tang Lei. Coherent-Enhancing Anisotropic Diffusion Filtering Technique[J]. Oil Geophysical Prospecting , 2004, 39 (6) : 651-655.
[12] 严哲, 顾汉明, 蔡成国. 基于各向异性扩散滤波的地震图像增强处理[J]. 石油地球物理勘探 , 2013, 48 (3) : 390-394. Yan Zhe, Gu Hanming, Cai Chengguo. Seismic Image Enhancement Based on Anisotropic Diffusion[J]. Oil Geophysical Prospecting , 2013, 48 (3) : 390-394.
[13] 石战战, 贺振华, 文晓涛, 等. 基于复数域非线性各向异性扩散滤波的裂缝检测方法[J]. 石油地球物理勘探 , 2012, 47 (2) : 286-290. Shi Zhanzhan, He Zhenhua, Wen Xiaotao, et al. A Fractural Detection Method Based on Nonlinear Complex Anisotropic Diffusion Filtering[J]. Oil Geophysical Prospecting , 2012, 47 (2) : 286-290.
[14] Lopez J A, Partyka G, Haskell N L, et al. Identification of Deltaic Facies with 3-D Seismic Coherency and Spectral Decomposition Cube[J]. GCAGS Transactions , 1997, 47 : 305-309.
[15] Marfurt K J, Kirlin R L. Narrow-Band Spectral Analysis and Thin-Bed Tuning[J]. Geophysics , 2001, 66 (4) : 1274-1283. DOI:10.1190/1.1487075
[16] 马志霞, 孙赞东. Gabor-Morlet小波变换分频技术及其在碳酸盐岩储层预测中的应用[J]. 石油物探 , 2010, 49 (1) : 42-45. Ma Zhixia, Sun Zandong. Spectral Decomposition Technique Based on Gabor-Morlet Wavelet Transform and Its Application to Carbonate Reservoir Prediction[J]. Geophysical Prospecting for Petroleum , 2010, 49 (1) : 42-45.
[17] Castagna J, Sun S. Comparison of Spectral Decomposi-tion Methods[J]. First Break , 2006, 24 (3) : 75-79.
[18] 陈学华, 贺振华, 黄德济. 基于广义S变换的地震资料高效时频谱分解[J]. 石油地球物理勘探 , 2008, 43 (5) : 530-534. Chen Xuehua, He Zhenhua, Huang Deji. High-Efficient Time-Frequency Spectrum Decomposition of Seismic Data Based on Generalized S Transform[J]. Oil Geophysical Prospecting , 2008, 43 (5) : 530-534.
[19] 冯磊, 姜在兴. 基于匹配追踪的谱分解方法及其应用[J]. 勘探地球物理进展 , 2009, 32 (1) : 33-36. Feng Lei, Jiang Zaixing. Spectral Decomposition Based on Matching Pursuit and Its Application[J]. Progress in Exploration Geophysics , 2009, 32 (1) : 33-36.
[20] Mallat S, Zhang Z. Matching Pursuit with Time-Frequency Dictionaries[J]. IEEE Transactions on Signal Processing , 1993, 41 (12) : 3397-3415. DOI:10.1109/78.258082
[21] 吴小羊, 刘天佑. 基于时频重排的地震信号Wigner-Ville分布时频分析[J]. 石油地球物理勘探 , 2009, 44 (2) : 201-205. Wu Xiaoyang, Liu Tianyou. Time-Frequency Analysis on Wigner-Ville Distribution of Seismic Signal Based on Time-Frequency Rearrangement[J]. Oil Geophysical Prospecting , 2009, 44 (2) : 201-205.
[22] 杨海涛, 朱仕军, 文中平. 基于Wigner-Ville的谱分解效果分析[J]. 勘探地球物理进展 , 2009, 32 (1) : 37-39. Yang Haitao, Zhu Shijun, Wen Zhongping, et al. Effect Analysis of Spectral Decomposition Based on Wigner-Ville Distribution[J]. Progress in Exploration Geophysics , 2009, 32 (1) : 37-39.
[23] 王军, 李亚安. 多分量信号时频分析交叉项抑制研究[J]. 探测与控制学报 , 2004, 26 (4) : 13-17. Wang Jun, Li Yaan. The Research of Cross-Component Suppression of Multi-Component Signals Using Time Frequency Analysis[J]. Journal of Detection and Control , 2004, 26 (4) : 13-17.
[24] Sun D S, Ling Y, Gao J, et al. Application of Discrete Frequency Coherence Cubes in the Fracture Detection of Volcanic Rocks in Full-Azimuth Seismic Data[J]. SEG Technical Program Expanded Abstracts , 2010, 29 : 1342-1345.
[25] 刘小龙, 刘天佑, 王华, 等. 基于匹配追踪算法的频谱成像技术及其应用[J]. 石油地球物理勘探 , 2010, 45 (6) : 850-855. Liu Xiaolong, Liu Tianyou, Wang Hua, et al. Spectrum Imaging Technique and Its Application Based on Matching Pursuit Algorithm[J]. Oil Geophysical Prospecting , 2010, 45 (6) : 850-855.
[26] 冯智慧, 王世煜, 刘财, 等. 高分辨率地震信号瞬时特征分析方法[J]. 吉林大学学报(地球科学版) , 2007, 37 (Sup) : 82-85. Feng Zhihui, Wang Shiyu, Liu Cai, et al. Method of Instantaneous Characteristic Parameters Analysis for High Resolution Seismic Signal[J]. Journal of Jilin University (Earth Science Edition) , 2007, 37 (Sup) : 82-85.
[27] 何光明, 高如曾, 韩德贵, 等. 小波变换在地震资料高分辨率处理中的应用[J]. 石油物探 , 1996, 35 (2) : 44-54. He Guangming, Gao Ruzeng, Han Degui, et al. The Application of Wavelet Transform in High Resolution Processing of Seismic Data[J]. Geophysical Prospecting for Petroleum , 1996, 35 (2) : 44-54.
[28] 吴小羊, 刘天佑. 基于时频重排的地震信号Wigner-Ville分布时频分析[J]. 石油地球物理勘探 , 2009, 44 (2) : 201-205. Wu Xiaoyang, Liu Tianyou. Time-Frequency Analysis on Wigner-Ville Distribution of Seismic Signal Based on Time-Frequency Rearrangement[J]. Oil Geophysical Prospecting , 2009, 44 (2) : 201-205.
[29] Fehmers G C, Hocker F W. Fast Structural Inter-Pretation with Structure-Oriented Filtering[J]. Geophysics , 2003, 68 (4) : 1286-1293. DOI:10.1190/1.1598121
[30] Weickert J. Coherence Enhancing Diffusion Filtering[J]. International Journal of Computer Vision , 1999, 31 : 111-127. DOI:10.1023/A:1008009714131
[31] Lavialle O, Pop S, Germain C, et al. S eismic Fault Preserving Diffusion[J]. Journal of Applied Geophysics , 2007, 61 : 132-141. DOI:10.1016/j.jappgeo.2006.06.002
[32] Dave H. Structure-Oriented Bilateral Filtering of Seismic Images[J]. SEG Technical Program Expanded Abstracts , 2011, 30 : 3596-3600.
[33] 覃天. 多属性相干方法识别微小断层[J]. 工程地球物理学报 , 2008, 5 (5) : 538-542. Qin Tian. Identification of Minor Fault Based on Multi-Attribute Seismic Coherence Technology[J]. Chinese Journal of Engineering Geophysics , 2008, 5 (5) : 538-542.
[34] 谢春临, 陈树民, 姜传金, 等. 趋势面分析与相干体技术在火山岩预测中的应用[J]. 地球物理学报 , 2011, 54 (2) : 368-373. Xie Chunlin, Chen Shuming, Jiang Chuanjin, et al. Application of a Method Combining Trend Surface Analysis and Coherence Cube Technology to Volcanic Prediction[J]. Chinese of Engineering Geophysics , 2011, 54 (2) : 368-373.
http://dx.doi.org/10.13278/j.cnki.jjuese.201605305
吉林大学主办、教育部主管的以地学为特色的综合性学术期刊
0

文章信息

冯智慧, 张文春, 李向群, 孙广利, 刘财
Feng Zhihui, Zhang Wenchun, Li Xiangqun, Sun Guangli, Liu Cai
高精度分频相干加强技术在微小断层识别中的应用
Application of High-Precision Frequency Division Coherency Enhancement Technique in Micro-Fault Identification
吉林大学学报(地球科学版), 2016, 46(5): 1571-1579
Journal of Jilin University(Earth Science Edition), 2016, 46(5): 1571-1579.
http://dx.doi.org/10.13278/j.cnki.jjuese.201605305

文章历史

收稿日期: 2016-02-21

相关文章

工作空间