② 吉林大学计算机科学与技术学院, 吉林长春 130012
申春, 吉林省长春市朝阳区前进大街2699号吉林大学前卫南区计算机楼, 130012。Email:shenchun@jlu.edu.cn。② College of Computer Science and Technology, Jilin University, Changchun, Jilin 130012, China
随着陆地石油资源的减少，海洋领域油气勘探开始逐步吸引人类的目光。由于海洋环境复杂，电磁信号极易受到各种噪声的干扰，影响反演和解释效果，相比于陆地勘探有着更大的风险。Eidesmo等[1]提出海底测井(Sea Bed Logging, SBL)技术，可用于检测海底含油储层；Ellingsrud等[2]对这种方法进行了实际的应用。
海洋可控源电磁(Marine Controlled Source Electromagnetic, MCSEM)法基于油气储层与围岩的电导率差异判断海底是否含有油气层，这是勘探海底油气储层的有效方法之一，近年来已经取得明显成效[3-4]。Hesthanmmer等[5]利用近10年的数据分析了MCSEM勘探对钻井成功率的影响。结果表明，对于有着明显CSEM数据异常的目标，钻井成功率约为70%，而没有明显CSEM数据异常的钻井成功率则降低至约35%。由此可知，MCSEM数据对于提高钻井成功率、降低深海钻探风险具有重要意义。
1968年Bannister[6]首次发表了关于MCSEM的论文，提出了海底电导率可以通过在海面放置水平电偶极发射源、并记录所产生的水平电磁场分量来确定；还提出水平电偶极源(Horizontal Electric Dipole, HED)的概念，这种发射源是目前实际勘探中应用最广泛和成熟的偶极源模式。随着研究的深入，MCSEM法在油气勘探中的潜力逐渐展现，OHM、AGO、EMGS等相关服务公司相继成立，在世界范围内多次进行了MCSEM勘探试验，为提高海洋钻探成功率做出了巨大贡献[7-9]。Macgregor等[10-11]对MCSEM数据采集方法进行了概述，提出通过最小二乘法拟合仪器的背景噪声，并利用堆栈算法减少计算量。Behrens[12]提出了MCSEM数据预处理的基本流程，对不确定因素，如导航、噪声等进行了分析，并编写了相应的数据处理程序。
深水MCSEM勘探虽然具有屏蔽空间电磁噪声的天然优势，但是接收机记录的MCSEM信号仍会受到随机噪声、海水扰动噪声以及空气波的影响，严重影响了电磁数据定性分析精度以及定量反演解释效果[13]。因此如何抑制噪声、提高信噪比是目前MCSEM勘探中亟待解决的重要问题之一。后文将简述MCSEM数据的预处理流程、偶极子振动噪声和天然电磁场噪声的压制途径，并着重介绍了随机噪声、“空气波”噪声以及海水扰动噪声的压制方法，最后总结了其他噪声的压制方法。
1 海洋可控源电磁法原理MCSEM常见的数据采集方式包括海底测井(SBL)式和拖缆(Towed Streamer ElectroMagnetics, TSEM)式[14]。在深水域(大于600m)，SBL系统的性能优于TSEM系统；在水深300~600m的水域，TSEM系统具有不可或缺的优势；在浅水域(小于300m)，二者均可提供高质量的采集数据。以目前实际MCSEM勘探中最常用的施工方式SBL为例，图 1为该方式下电磁信号的传播示意图。将多分量电磁场接收机沿着预先设计好的测线自由下沉至海底，发射源由勘探船拖拽在海中沿测线进行移动式测量。由于海底沉积地层与高阻油气储层的电阻率有明显差别，所接收到的电磁信号会有明显的反映。图 2所示为典型的海底油气藏电场振幅随偏移距变化(Magnitude Versus Offset, MVO)曲线。可见，若存在油气储层，在适当收发距范围内会出现明显的异常[15]。通过发射源向海底发射低频电磁信号，接收机记录的信号包括直达电磁波、经各介质传播后的反射电磁波、折射电磁波、空气波和其他噪声干扰。噪声会影响后续的反演工作。
|
图 1 MCSEM法电磁信号传播示意图 |
|
图 2 含高阻油气层和不含高阻油气层MVO曲线对比 |
海水的高导电性使其具有屏蔽电磁噪声的天然优势，因此常将其视作一个低通滤波器。高频电磁信号在海水中会迅速衰减，因而空气中的高频噪声很难到达海底。因此，一些高频成分的噪声和人类活动产生的电磁噪声对MCSEM数据基本不会产生影响。但海洋电磁勘探依然会受到由系统本身产生的噪声和随机噪声、由发射源发射的信号向上传播到达海水—空气分界面后又向下穿过海水层到达接收端的“空气波”以及由海水感应运动产生的电磁噪声的干扰[9, 16-17]。表 1为Pethick[18]总结的MCSEM数据噪声分类及描述，这些噪声会降低MCSEM数据的解释精度，影响电磁数据的定性分析以及反演效果。
|
表 1 MCSEM数据噪声来源分类 |
迄今为止，大多数海洋电磁数据都是在频率域进行处理，但接收机接收到的MCSEM数据是在时域记录的[19]，并且不同公司开发的接收机采集到的原始数据通常有其特定的存储格式，如美国OHM公司的数据存储格式为NetCDF(Network Common Data Form)。因此，需将记录的原始数据进行数据提取、格式转换、归一化及幅度校正等，转换成能够处理的数据格式，再对其进行时域滤波。然后，利用快速傅里叶变换(Fast Fourier Transform, FFT)对信号进行频谱分解，将时域电磁信号转化为频域电磁信号。
在MCSEM数据的采集过程中，接收机是自由下落至海底。海水的流动会改变接收机投放的位置；海底地面不完全水平也会导致接收机在海底不是水平放置的；接收机的方位也不确定。这些不确定因素会影响MCSEM信号的数据质量，在数据处理时为了消除接收端的不确定性，需要对接收机返回的数据进行方位校正[20]。方位校正主要分为极化椭圆分析和旋转电性主轴分析两个方面。
2.1 极化椭圆分析原始MCSEM数据的电场分量Ex与Ey有一定的相位差，表现为极化椭圆模式。极化椭圆分析的原理是当发射源向接收机靠近时，极化椭圆的主轴平行于发射源的运动轨迹方向，以此得到较为精准的方位角[21]。如图 3所示，设正交水平复数电场分别为
|
图 3 极化椭圆分析示意图
|
通过计算可得
| $ {\rm{tan}}2\alpha = \frac{{2\left| {{E_x}} \right|\left| {{E_y}} \right|{\rm{cos}}\Delta \varphi }}{{{{\left| {{E_y}} \right|}^2} - {{\left| {{E_x}} \right|}^2}}} $ | (1) |
| $ {p_{{\rm{max}}}} = \left| {\left| {{E_x}} \right|{{\rm{e}}^{i\Delta \varphi }}{\rm{sin}}\alpha {\rm{ }} + \left| {{E_y}} \right|{\rm{cos}}\alpha } \right| $ | (2) |
| $ {P_{{\rm{min}}}} = \left| {\left| {{E_x}} \right|{{\rm{e}}^{i\Delta \varphi }}{\rm{sin}}\alpha {\rm{ }} - \left| {{E_y}} \right|{\rm{cos}}\alpha } \right| $ | (3) |
式中Pmax和Pmin分别代表极化椭圆的长轴和短轴方向上的电场分量幅值。
由式(1)~式(3)可知，α是Δφ的函数，因此相比单一电场值，Pmax不依赖于发射机和接收机的具体位置以及信号的绝对相位。另外，Pmin大于任何单一的电场幅值，在一定程度上降低了随机噪声的干扰[21]。
2.2 旋转电性轴分析在MCSEM数据采集过程中，由于信号发射机或者接收机发生倾斜或者翻转，使采集到的电磁数据幅值降低，因此需要将电磁场分量旋转到电性主轴，再分析不同方位角和倾角的电场分量。
假设接收机记录到的水平、垂直电场分量分别为
|
图 4 |
将电场分量旋转到电性主轴后，Ex和Ey的实部和虚部分别为[12]
| $ \left\{ \begin{array}{l} {\rm{Re}}\left( {{E_x}} \right) = {\rm{Re}}({{\hat E}_x}){\rm{sin}}\theta + {\rm{Re}}({{\hat E}_y}){\rm{cos}}\theta \\ {\rm{Im}}\left( {{E_x}} \right) = {\rm{Im}}({{\hat E}_x}){\rm{sin}}\theta + {\rm{Im}}({{\hat E}_y}){\rm{cos}}\theta \\ {\rm{Re}}\left( {{E_y}} \right) = {\rm{Re}}({{\hat E}_y}){\rm{sin}}\theta - {\rm{Re}}({{\hat E}_x}){\rm{cos}}\theta \\ {\rm{Im}}\left( {{E_y}} \right) = {\rm{Im}}({{\hat E}_y}){\rm{sin}}\theta - {\rm{Im}}({{\hat E}_x})cos\theta \end{array} \right. $ | (4) |
MCSEM勘探会受到随机噪声、海水扰动以及“空气波”等噪声的影响，为了提高后期数据定性分析效果及反演精度，地球物理学家们对上述噪声的压制展开了研究。
3.1 随机噪声随机噪声包括系统随机干扰和系统本身的噪声。由于随机噪声与信号不具有相关性，因此在时域通常利用多次叠加的方法进行压制，在频域通过计算互功率谱进行压制。但是有限的船速和空间采样决定了可以用于叠加的数据量是有限的；且数据中的噪声并不总是遵从高斯分布，这也会降低叠加去噪的效果[20]。
Myer等[22-23]指出，与单个或仅使用几个相隔紧密的频率数据相比，使用宽频数据能够更好地解释地质构造；基于双对称波形具有紧凑性、相位可控、不极化且可通过简单的闭式数学解描述的特性，提出可改进时间序列的处理方法；通过使用短时窗和一阶差分预增白剂可减少MT噪声和其他低频噪声带来的频谱污染；紧凑波形时间窗口的数据叠加可减少时间序列瞬变带来的偏差；从时间序列的波形长度傅里叶变换(Fourier Transform, FT)窗口的平均值中可得出准确的方差估计值。Attias等[24-25]将MCSEM时间序列数据变换到频域处理，使用1s的时间窗对数据进行快速傅里叶变换(FFT)，得到振幅和相位，并以60s的间隔堆叠数据，明显提高了信噪比；Hsu等[26]为了更好地了解台湾西南部潜在的天然气水合物情况，首次在该地区进行了MCSEM勘探实验，认为采集数据中的高频噪声可能是海底剧烈起伏造成的，并使用了0.00001~5Hz的带通Butterworth滤波器平滑视电阻率曲线，消除离群值的影响。
Lu等[27]提出了压制MCSEM噪声的两种方法，即时域滤波方法和噪声估计方法。其中，时域滤波方法选取较长的时间窗会得到更好的效果；噪声估计方法是通过滤除主动频率噪声提高MCSEM的信噪比，一般利用最小二乘法建立主动频率噪声和周边频率噪声的关系，并通过处理模拟数据验证了提高信噪比以及增加有效收发距的可行性。林昕等[28]对此方法进行了应用分析，在模拟电场数据中叠加随机噪声，对加噪信号进行频谱转换，选用2、8、20s的时间窗分别对加噪信号进行处理，得出当采用越长的时间窗时收到噪声的影响越小。并根据最小二乘法原理，建立主动频率噪声与周边频率噪声的关系，对一维模型进行MCSEM信号模拟，利用随机噪声模拟海底噪声环境，最后得出结论，在加入噪声时可获得有效信号的收发距离约为2km，滤除主动噪声后的有效收发距可增加到5km。
于彩霞[20]基于MCSEM数据具有非线性、非平稳性的特征提出利用Hilbert时—频能量对MCSEM数据进行处理。在MCSEM模拟数据中加入频率为1Hz的正弦噪声和5%的随机噪声，对其进行经验模态分解(Empirical Mode Decomposition, EMD)，自适应分解后得到7阶IMF，对时域信号进行希尔伯特—黄变换(Hilbert Huang Transform, HHT)得到Hilbert谱。对比原始信号固有模态函数(IMF)，利用具有原始信号特征的IMF重构信号，去除其他含有噪声的各阶IMF，对比发现此方法能够压制大部分随机噪声和正弦噪声，从而提高数据处理的效果。谭帅等[29-30]将自适应空域相关滤波方法应用到MCSEM数据的处理。仿真结果证明该方法可极大程度地滤除了重构边缘信号的噪声，并保留了有效信号；还利用EMD对MCSEM数据进行了去噪处理，并指出EMD方法具有模态混叠的问题，提出了一种改进EMD方法——集成平均经验模式分解方法(Ensemble Empirical Mode Decomposition，EEMD)。在原始信号中加入服从正态分布的高斯白噪声，对噪声信号进行EMD得到多个IMF分量，多次重复上述步骤，加入不同的白噪声。将得到的IMF分量进行集成平均运算，抵消所加白噪声对IMF的影响，最后得到一组避免模态混叠的IMF分量。这种方法不仅能去除大部分噪声，还去除了低频段的混杂信号，提取了清晰的信号特征。
李予国等[31]提出了系列MCSEM数据处理方法，包括预白处理、时钟漂移补偿、随机噪声估计以及叠加窗口选择等，并通过实验说明了这些方法能够有效压制噪声。Li等[32]结合傅里叶变换和相关分析，提出了一种新的CSEM数据处理方法：首先对数据进行FT，在频域中消除供电电线的噪声；其次，对去噪后的频谱执行傅里叶逆变换(Inverse Fourier Transform, IFT)，再计算发送和接收数据之间的相关性、定量评估数据质量；最后通过设置适当的阈值获取高质量的接收数据，降低噪声影响。Chen等[33]提出了一种适用于复杂地下结构的f-x EMD新型降噪方法，通过预测过滤的方式压制随机噪声，提高信噪比。基于f-x EMD的框架，Gan等[34]通过局部相似度检测噪声中的有效信号点，设计一个用于提取信号的加权算子检索丢失的有用信号，以保留更多的有效信号。Yang等[35-36]通过逆离散傅里叶变换(Inverse Discrete Fourier Transform, IDFT)、连续小波变换(Continuous Wavelet Transform, CWT)以及超定方程(Over Determined Equations, ODE)对周期性变化的CSEM数据进行去噪，可大幅度地提高信噪比；又基于IDFT和仅存在几个高斯白噪声的时间窗的逆问题消除非周期噪声，通过一种新的最小二乘法估计非周期噪声的系数，然后将其从原始数据的系数中减去，得到去噪数据。
3.2 空气波噪声MCSEM数据中的空气波是由HED源激发的、沿空气—海水界面传播的电磁波。在深水域，由于海水的衰减作用，空气波的影响较小。在海水深度小于300m时，使用常规的HED发射源，接收到的有效信号，尤其是来自高阻油气层的电磁信号会被空气波成分掩盖，严重影响反演效果[37]。因此，压制空气波噪声在浅水域MCSEM勘探中显得尤为重要[38]。
Kees等[39]提出了通过反卷积进行干涉测量的方法，可以忽略介质是无损的这一大多数地震干涉测量方案的主要假设。这个方法不仅适用于地震波，也适用于任何类型的耗散介质及其波场。在浅水域，导致MCSEM数据处理复杂化的两个主要因素是直接场和空气波。通过去卷积的干涉测量法可消除这两种效应，从而在理论上解决了CSEM应用中的浅水域空气波噪声问题。
Amundsen等[40]提出将电磁场分解成上行成分和下行成分的方法去除空气波的影响。该方法首先以频率—波数域中的微分方程矩阵的形式编写麦克斯韦方程，通过FT将原始数据变换到波数域，在波数域进行特征方程分析，将数据分解为上行波场和下行波场，其中上行波是高阻层的电磁响应，下行波是直达波和空气波等噪声的场分量，再利用傅里叶逆变换将数据转化为空间数据。根据实验数据，屏蔽下行波场后，电场上行分量相位数据几乎呈线性特征，表明已经去除大部分空气波成分的影响。Michael等[41]提出基于电磁场的水平梯度分离电磁场的上、下波场，以消除空气波在浅水域中的影响。合成MCSEM数据计算结果表明，该方法可以得到稳定可靠的分离结果。David[42]提出将响应信号分解为四部分，以更好地分析浅水域MCSEM空气波的影响。该方法还可以用于分析不同的空气波去除方案对某些参数(如海底电阻率)的有效性和灵敏度的影响。王书明等[43]基于麦克斯韦方程组推导了一种利用观测场水平梯度进行场分解的方法。该方法能够快速准确地将电磁场分解为上、下行波场，有效消除浅水域MCSEM勘探时空气波的影响。Wang等[44]进一步提出基于Stratton-Chu积分变换提取MCSEM数据中的有效异常场，消除了空气波的影响。这种方法实际是一种基于离散数据集的有限脉冲响应滤波器，数值实验表明该方法可有效压制空气波的影响。
基于空气波是侧波，即由垂直的电偶极子或磁偶极子在空气—海水界面附近产生的横向电磁波，可用双半空间电阻率模型分析表达，Chen等[45]提出了三种降低空气波影响的方法：①通过对两次测量结果进行加权相减的方法，将不同收发距条件下测量的电场分别乘以收发距的立方，所得结果中含有空气波的项应相等，通过相减可将空气波的影响去除；②基于空气波场对频率求导后其系数与发射机和接收机到海面的距离之和成正比，其他波场对频率求导后的系数与收发距成正比这一结论，提出利用观测数据对频率求导的方法可以压制空气波；③利用空气波场对频率求导后系数与其他波场对频率求导后系数的不同正比关系，提出利用观测数据对频率求导的方法可以压制空气波。通过下式
| $ E_x^{{\rm{scat}}} = {E_x} - Z_{xy}^{{\rm{MT}}}{H_y} $ | (5) |
求取MT阻抗。式中：
Mittet等[49-50]利用改进的归一化振幅比方法分析了水深的影响。这种归一化振幅比是基于电磁场的振幅和绝对相位计算的，可以将相位变化转换为异常振幅。通过对背景模型进行估计，计算不含高阻油气层的模型响应，再利用改进的归一化表达式处理与解释MCSEM数据。这种方法能够应用于浅水域MCSEM勘探，已形成了一套系统方法，主要用于研究MCSEM数据对高阻目标体的敏感性；Mittet等[51]还指出，水平电偶极子引起的空气波振幅随着水深的减小而增大，并通过补偿效应使发射源中的埋入式薄电阻器产生的散射场幅度随水深的减小而增大，获得了包括薄电阻器在内的浅水电阻率模型近似但精度较高的总场表达式，使浅水域MCSEM勘探得以实现。Mittet等[52]提出了一种基于MCSEM数据估算海底浅部地层电阻率的数据驱动方法，得到的电阻率数据可应用于分解海底地层中传播电场的上、下行波场，可有效抑制空气波对上行电场的影响，提高电磁场数据对海底地层电阻率变化的敏感度。沈金松等[53]提出，在其他参数相同的情况下，电磁场的水平分量受空气波的影响严重，而垂直分量受空气波影响则较小，因此测量垂直电场分量有利于削弱空气波的影响。Zhou等[54]采用时频分析技术研究如何抑制空气波，比较了短时傅里叶变换(Short-time Fourier Transform, STFT)、希尔伯特—黄变换和伪W-V分布三种频谱分析方法，结果表明平滑的伪W-V分布更适合于海洋电磁信号分析中压制空气波。Singer[55]考虑到空气波遵从几何定律衰减，提出使用水平电偶和磁偶极子的组合发射源。研究结果表明，使用组合发射源的水平电流的幅值及相位和磁矩可使远区垂直磁场最小化，减弱了空气波的影响。Yoon等[56]为了消除浅水域油气储层由于空气波的作用而出现的失真效应，设计了一种Boxcar函数形式的合成孔径数据，该函数覆盖了预期的储层异常区域，基于这种Boxcar函数设计的合成孔径方法能够明显减弱浅水域空气波的影响。
3.3 海水扰动噪声海水扰动噪声主要是由海浪、海流等海水运动产生的感应电磁场，会对海洋电磁探测数据质量产生影响，具有频率低、幅值高的特点。在较大偏移距时，测量的MCSEM信号十分微弱，受海水扰动噪声的影响会很严重。
Willen[57]提出对MCSEM信号进行离散小波变换以压制噪声。周潞等[58-59]在原始信号中加入高斯白噪声，使用小波收缩阈值去噪方法，利用sym8小波对信号进行4层分解处理，并通过不同的阈值函数比较去噪效果。对比处理结果发现，软阈值去噪后信号较平滑；硬阈值去噪后有较多尖峰；semisoft阈值去噪效果粗糙；Garrote阈值函数的去噪效果优于其他三种函数，可以很好地还原真实的信号。马海舲[16]对叠加信噪比为5的MCSEM原始数据，将小波变换模极大值应用于MCSEM信号的去噪，对信号进行4尺度的小波分解，经过信号二进变换、去噪和重构后，对比原始信号去噪效果明显，同时还具有抑制伪Gibbs震荡的效果。Hussain等[60]根据Daubechies小波的正交性和紧密支撑性将其作为求解MCSEM波动方程的基函数压制噪声，证明了基于小波的数值处理方法对MCSEM数据的去噪处理是有效的。李肃义等[61]针对海水扰动噪声处理提出一种基于小波多分辨率分析的校正方法，通过建立海底均匀层状介质模型进行数据模拟，证明了该方法能够很好地压制海水扰动噪声，提高了MCSEM数据的信噪比。为了进一步提升小波方法对MCSEM数据消噪的效果，李肃义等[62]根据MCSEM数据的特点，设计了新型小波基，提出了相应去噪方法。通过与传统小波基去噪方法进行对比，基于仿真与实测MCSEM数据，证明了使用新型小波基的去噪方法优于传统小波基的去噪方法。于彩霞等[20, 63]通过HHT压制海浪电磁噪声，并对南海实测MT数据进行处理，得到了较理想的去噪效果。并进一步在HHT的基础上进行小波滤波，实现了更加有效的噪声压制。
Yutaka[64]指出，对于深水油藏模型，电场响应的畸变主要源于电流效应，对MCSEM数据进行地形校正，可以消除电场响应中的测深曲线形变。Johan[65]提出了拖拽式MCSEM数据的去噪技术，通过使用空间平均和低秩近似模拟高密度空间数据，可以减少拖拽式MCSEM数据的电场噪声。Mo等[66]提出了将灰色系统理论与鲁棒M估计相结合的方法抑制MCSEM噪声，通过灰色建模求解测量数据的标准差，结合阈值法识别、剔除异常值。并采用鲁棒M估计估算测量结果，以压制异常值的影响，提高处理结果的精度。处理结果与预期值非常接近。
刘宁等[67-68]根据MCSEM噪声的特点，在传统平滑滤波的基础上提出改进的时变平滑滤波方法，在电场x分量数据时间序列上截取收发距大于7500m的低信噪比数据，建立20个固定长度的时间窗口。随着收发距增大，与第一个窗口卷积的平滑滤波器的初始平滑半径参数线性增加(迭代次数为5)。以滤波后的数据代替原数据，得出在中、远收发距处的振幅值相对含噪数据降低了2~3个数量级，一定程度上提高了信噪比；同时还基于传统的双边滤波方法提出了时变双边滤波方法压制MCSEM噪声。理论模型和实际数据的处理结果验证了这两种方法能够有效地提高数据质量，利于提高反演精度。Sato等[69]提出使用独立分量分析(Independent Component Analysis, ICA)将电场信号和海底噪声分离为多个信号，并通过数据叠加方式去除噪声。Imamura等[70]开发了一种基于独立分量分析的鲁棒方法，从含噪MCSEM数据中提取有用的信号，实验结果表明效果良好。
3.4 其他噪声前文根据噪声的成因将噪声分类，总结了不同种类噪声的压制方法。然而在实际勘探中，并不只存在上文提到的三类噪声。也有些去噪算法并不仅仅只针对一种噪声，而是对含噪信号整体去噪。抑制噪声的手段也不仅限于后期数据处理阶段，硬件设备的改进同样可以在一定程度上压制噪声。
针对表 1中接收机偶极子天线振动产生的噪声可以通过接收机天线上加装玻璃棒、增加重量的方式抑制[68]。天然电磁场噪声是由于地磁场和太阳风相互作用产生的，由于海水的衰减作用，其能量随着海水深度的增加会逐渐减小。Bhatt[71]指出微震在站间MCSEM数据中是相干噪声，根据其分布特征、相干性质和强度可知，在较大偏移处，微震是MCSEM数据的重要噪声源，可通过建模将其去除，以提高目标检测的可能性和解释精度。Nyamasvisva等[72]指出，直达波在MCSEM数据中需要量化并消除，提出了一种辅助方法，可以根据天线的发射电流、天线频率、接收机相对于天线的偏移量量化直达波。通过估算给定频率的任意给定偏移距处直达波的幅度，可有效补充直达波的偏移量，提高数据的可靠性。丁学振等[73]指出，激电效应也会对海洋可控源电磁场响应造成影响，导致反演结果中油气储层电阻率偏大。
Oleg等[74]提出一种快速而稳健的可控源电磁数据处理方案，详细分析了各种噪声成分，并提出了抑制噪声的方法。通过使用中值均值和Hodges-Lehmann估计抑制瞬态噪声，采用线性陷波滤波抑制工业噪声，以及通过频域累积的方法处理噪声数据，都能够从含噪原始数据中恢复出质量较高的响应函数。周文强等[75]提出一种MT噪声降噪效果评估方法，验证了短时窗结合预白化滤波降噪方法的有效性。相比于未进行降噪处理的直接反演结果，均方相对误差减小了126%，有效地压制了噪声。Wang等[76]利用FFT和单频正弦波拟合两种方法提高了MCSEM信号的信噪比。Dehiya等[77]通过利用堆叠紧邻的发射器响应压缩数据，从而减少了数据冗余，提高计算优势，降低了噪声。Xuan等[78]提出一种基于瞬时离群功率的幂律衰减规则的新型半自动降噪方法，可以轻松地识别和衰减STFT频谱图中暴露的常规噪声，并对其进行校正，压制噪声，提高信噪比。杨洋等[79]基于小波变换和希尔伯特解析包络提出一种新的CSEM信号噪声评价方法，能够在频率域快速提取CSEM信号中的有效频率成分，筛选出高信噪比的主频和谐波信号；之后又进一步提出一种新的方法估计CSEM数据主频率及其谐波的可靠性[80]：首先计算原始CSEM数据的频谱，然后对CSEM频率处的频谱进行预处理，获得处理后的频谱，通过应用基于HHT的包络算法获得频谱上的包络；最后，将CSEM频率处的包络值除以原始频谱，得到噪声比，用于指示响应CSEM频率处的噪声，可以从原始CSEM数据中提取出具有高信噪比的频率成分。张必明等[81]提出了一种自适应双向均方差阈值法，实现电磁勘探数据粗大误差的自动判别和剔除。大量实验结果表明，选取30~90范围内(经验值)的均方差阈值，能够有效地剔除电磁勘探原始电场数据中的粗大误差，提高信噪比。
Myer等[23]讨论了2009年澳大利亚西北海岸斯卡伯勒气田MCSEM勘测的调查结果，表明关于发射机导航和数据处理技术的最新改进可以提高频域数据的质量。Duan等[82]使用双绞线屏蔽和磁环设计的CAN总线网络的通信线路抑制环境噪声和共模干扰，采用算术平均滤波方法减少随机干扰。Knaak等[83]将二维合成孔径阵列和十字线合成孔径阵列应用于电场噪声模拟，与原始CSEM信号相比，两种合成孔径阵列都降低了噪声水平，并增加了模拟储存器的可检测性。Yoon等[56]通过选择数据权重构建合成孔径源，并开发了一种通用的优化技术，找到合成孔径方法的最佳参数(数据权重)，对含噪MCSEM数据，有助于增强由于油气储层引起的异常。Ma等[84]利用合成孔径技术，通过在每个源点上施加实际加权因子构造加权2D合成孔径，数值实验表明MCSEM有效信号得到显著增强。Wang等[85]将粒子群优化(Particle Swarm Optimization, PSO)用于MCSEM的相移和合成孔径振幅补偿系数优化，并利用本征态分析(Eigenstate analysis, EA)优化非线性合成孔径权重，将该方法应用于MCSEM数据的处理，结果表明这两种方法都可以压制噪声，提高信噪比，提高储层的可探测性。李盼等[86]研究了MCSEM电磁场合成源干涉法，利用雷达领域合成孔径思想的合成源处理方法突出储层的电阻率异常相应，从而更好地识别高阻油气层。
4 总结与展望本文对MCSEM信号不同种类噪声进行分析和总结，随机噪声、空气波噪声以及海水扰动噪声是影响海洋电磁探测数据质量的主要噪声，基于数据预处理、方位校正以及噪声压制这3个处理流程，简述了原始信号的处理过程和多种噪声压制方法，对国内外消除这三种主要噪声的方法进行总结。
(1) 在浅水域，空气波噪声几乎能够淹没储层的有效信息。尽管Andreis等[87]指出空气波与地层有效信号之间有着复杂的耦合关系，但仍然缺乏全面定量的分析，这是浅水区海洋电磁勘探的最大障碍。去除空气波的方法大体可以分为两类，一类将是对观测到的电磁场数据进行分解，从中分离出有效信号与空气波，再屏蔽空气波分量以达到去噪的效果；另一类则是通过时频分析，利用数值模拟等方法从观测电磁信号中直接去除空气波；也可以通过建立模型、求解模型的方法削弱空气波。
(2) 在深水域，空气波经过海水的衰减，到达海底时已经非常微弱，因此在深水探测中常常可忽略空气波噪声，主要考虑随机噪声和海水扰动噪声的影响。随机噪声的压制常常通过在时域叠加、在频域计算功率谱密度的方法，其中经常用到最小二乘法和傅里叶变换；而小波变换和希尔伯特—黄变换则是海水扰动噪声常用的压制方式。本文除了上述常用方法外，还总结了其他一些相关的消噪算法或措施，为进一步提高MCSEM数据的信噪比、增加有效收发距的范围、提升后期反演效果奠定基础。
(3) 抑制噪声的方式并不只有后期数据处理，利用合成孔径技术对发射源和接收机设备进行升级、采用新的导航技术以及使用改进的通信线路都可增强有效信号、压制噪声，也是未来发展的重要方向之一。
海洋可控源电磁法是未来勘探海底油气资源的重要方法，对初始电磁数据进行去噪处理则是数据解释过程中重要的一环，是在后期反演中定性解释油气储层的重要因素，因此有效抑制噪声以提高信噪比是未来海洋可控源电磁数据处理的重要研究内容之一。本文总结了近年来国内外研究人员所使用的去噪算法，希望能为未来海洋可控源电磁信号噪声压制技术的发展添砖加瓦。
| [1] |
Eidesmo T, Ellingsrud S, Macgregor L M, et al. Sea Bed Logging(SBL), a new method for remote and direct identification of hydrocarbon filled layers in deepwater areas[J]. First Break, 2002, 20(3): 144-152. |
| [2] |
Ellingsrud S, Eidesmo T, Johansen S, et al. Remote sensing of hydrocarbon layers by seabed logging (SBL):Results from a cruise offshore Angola[J]. The Leading Edge, 2002, 21(10): 972-982. DOI:10.1190/1.1518433 |
| [3] |
Constable S, Srnka L J. An introduction to marine controlled-source electromagnetic methods for hydrocarbon exploration[J]. Geophysics, 2007, 72(2): WA3-WA12. |
| [4] |
Constable S. Ten years of marine CSEM for hydrocarbon exploration[J]. Geophysics, 2010, 75(5): A67--A81. |
| [5] |
Hesthammer J, Stefatos A, Boulaenko M, et al. CSEM performance in light of well results[J]. The Leading Edge, 2010, 29(1): 34-41. |
| [6] |
Bannister P R. Determination of the electrical conductivity of the sea bed in shallow waters[J]. Geophy-sics, 1968, 33(6): 995-1003. |
| [7] |
Zach J J, Brauti K. Methane hydrates in controlled-source electromagnetic surveys:analysis of a recent data example[J]. Geophysical Prospecting, 2009, 57(4): 601-614. DOI:10.1111/j.1365-2478.2009.00809.x |
| [8] |
Schwalenberg K, Wood W, Pecher I, et al. Preliminary interpretation of electromagnetic, heat flow, seismic, and geochemical data for gas hydrate distribution across the Porangahau Ridge, New Zealand[J]. Marine Geology, 2010, 272(1-4): 89-98. DOI:10.1016/j.margeo.2009.10.024 |
| [9] |
盛堰, 邓明, 魏文博, 等. 海洋电磁探测技术发展现状及探测天然气水合物的可行性[J]. 工程地球物理学报, 2012, 9(2): 127-133. SHENG Yan, DENG Ming, WEI Wenbo, et al. Marine electromagnetic detection technology developmental status and feasibility of gas hydrate exploration[J]. Chinese Journal of Engineering Geophysics, 2012, 9(2): 127-133. |
| [10] |
Macgregor L M, Tomlinson J. Marine controlled-source electromagnetic methods in the hydrocarbon industry:A tutorial on method and practice[J]. Interpretation, 2014, 2(3): SH13-SH32. DOI:10.1190/INT-2013-0163.1 |
| [11] |
Macgregor L M, Constable S, Sinha M C. The RAMESSES experiment.Ⅲ.Controlled-source electromagnetic sounding of the Reykjanes Ridge at 57 degrees 45'N[J]. Geophysical Journal International, 1998, 135(3): 773-789. DOI:10.1046/j.1365-246X.1998.00705.x |
| [12] |
Behrens J P.The Detection of Electrical Anisotropy in 35 Ma Pacific Lithosphere: Results from a Marine Controlled-source Electromagnetic Survey and Implications for Hydration of the Upper Mantle[D].University of California, 2005.
|
| [13] |
Flosadottir A H, Constable S. Marine controlled-source electromagnetic sounding.1. Modeling and experimental design[J]. Journal of Geophysical Research:Solid Earth, 1996, 101(B3): 5507-5517. DOI:10.1029/95JB03739 |
| [14] |
Guo Z W, Dong H F, Liu J X. Comparison of marine controlled-source electromagnetic data acquisition systems by a reservoir sensitivity index:analyzing the effect of water depths[J]. Acta Oceanologica Sinica, 2016, 35(11): 113-119. DOI:10.1007/s13131-016-0954-2 |
| [15] |
景建恩, 伍忠良, 邓明, 等. 南海天然气水合物远景区海洋可控源电磁探测试验[J]. 地球物理学报, 2016, 59(7): 2564-2572. JING Jian'en, WU Zhongliang, DENG Ming, et al. Experiment of marine controlled-source electromagnetic detection in a gas hydrate prospective region of the South China Sea[J]. Chinese Journal of Geophy-sics, 2016, 59(7): 2564-2572. |
| [16] |
马海舲.海洋可控源电磁勘探的数据处理与解释[D].四川成都: 成都理工大学, 2013. MA Hailing.Data Processing and Interpretation of Marine Controlled Source Electromagnetic Survey[D].Chengdu University of Technology, Chengdu, Sichuan, 2013. |
| [17] |
张自力, 魏文博, 李庚伟, 等. 海浪感应磁场的频谱特性[J]. 渤海大学学报(自然科学版), 2006, 27(4): 354-357. ZHANG Zili, WEI Wenbo, LI Gengwei, et al. Spectral character of magnetic field generated by ocean waves[J]. Journal of Bohai University(Natural Science Edition), 2006, 27(4): 354-357. |
| [18] |
Pethick A M.Multidimensional Computation and Visualization for Marine Controlled Source Electromagnetic Methods[D].Curtin University, Perth, 2013.
|
| [19] |
Um E S, Alumbaugh D L. On the physics of the marine controlled-source electromagnetic method[J]. Geophysics, 2007, 72(2): WA13-WA26. |
| [20] |
于彩霞.海洋可控源电磁法数据处理研究[D].北京: 中国地质大学(北京), 2010. YU Caixia.Study on Marine Controlled-source Electromagnetic Signal Processing[D].China University of Geosciences(Beijing), Beijing, 2010. |
| [21] |
蒋善庆.海洋可控源电磁数据预处理技术研究[D].吉林长春: 吉林大学, 2018. JIANG Shanqing.Study on Marine Controlled-source Electromagnetic Data Preprocessing Technology[D].Jilin University, Changchun, Jilin, 2018. |
| [22] |
Myer D, Constable S, Key K. Broad-band waveforms and robust processing for marine CSEM surveys[J]. Geophysical Journal International, 2011, 184(2): 689-698. DOI:10.1111/j.1365-246X.2010.04887.x |
| [23] |
Myer D, Constable S, Key K, et al. Marine CSEM of the Scarborough gas field, Part 1:Experimental design and data uncertainty[J]. Geophysics, 2012, 77(4): E281-E299. |
| [24] |
Attias E, Weitemeyer K, Minshull T A, et al. Controlled-source electromagnetic and seismic delineation of subseafloor fluid flow structures in a gas hydrate province, offshore Norway[J]. Geophysical Journal International, 2016, 206(2): 1093-1110. DOI:10.1093/gji/ggw188 |
| [25] |
Attias E, Weitemeyer K, Hoelz S, et al. High-resolution resistivity imaging of marine gas hydrate structures by combined inversion of CSEM towed and ocean-bottom receiver data[J]. Geophysical Journal International, 2018, 214(3): 1701-1714. DOI:10.1093/gji/ggy227 |
| [26] |
Hsu S K, Chiang C W, Evans R L, et al. Marine controlled source electromagnetic method used for the gas hydrate investigation in the offshore area of SW Taiwan[J]. Journal of Asian Earth Sciences, 2014, 92: 224-232. DOI:10.1016/j.jseaes.2013.12.001 |
| [27] |
Lu X Y.Marine CSEM data processing techniques[C].SEG Technical Program Expanded Abstracts, 2006, 25: 704-708.
|
| [28] |
林昕, 魏文博, 景建恩, 等. 提高海洋可控源电磁法信噪比的方法研究[J]. 地球物理学进展, 2009, 24(3): 1047-1050. LIN Xin, WEI Wenbo, JING Jian'en, et al. Study on improving MCSEM signal-to-noise ratio[J]. Progress in Geophysics, 2009, 24(3): 1047-1050. |
| [29] |
谭帅, 祝忠明, 周潞. 自适应空域相关滤波法消噪在CSEM中的应用[J]. 中国科技信息, 2013(10): 160-161. TAN Shuai, ZHU Zhongming, ZHOU Lu. Adaptive spatial correlation filtering de-noising method in the application of CSEM[J]. China Science and Technology Information, 2013(10): 160-161. |
| [30] |
谭帅.关于海洋电磁信号消噪的EMD算法研究[D].四川成都: 成都理工大学, 2014. TAN Shuai.EMD Algorithm Research on Marine Electromagnetic Signal De-noising[D].Chengdu University of Technology, Chengdu, Sichuan, 2014. |
| [31] |
李予国, 段双敏. 海洋可控源电磁数据预处理方法研究[J]. 中国海洋大学学报(自然科学版), 2014, 44(10): 106-112. LI Yuguo, DUAN Shuangmin. Data preprocessing of marine controlled-source electromagnetic data[J]. Periodical of Ocean University of China (Natural Science Edition), 2014, 44(10): 106-112. |
| [32] |
Li G, Xu C C, Li J, et al. Fourier transform and correlation analysis for CSEM data processing[J]. Journal of Physics:Conference Series, 2019, 1237(2): 022105. |
| [33] |
Chen Y, Ma J. Random noise attenuation by f-x empirical mode decomposition predictive filtering[J]. Geophy-sics, 2014, 79(3): V81-V91. |
| [34] |
Gan S W, Wang S D, Chen Y K, et al. Improved random noise attenuation using f-x empirical mode decomposition and local similarity[J]. Applied Geophy-sics, 2016, 13(1): 127-134. DOI:10.1007/s11770-016-0545-1 |
| [35] |
Yang Y.A denoising method for periodic CSEM data based on inverse discrete Fourier transform (IDFT), continuous wavelet transform (CWT) and overdetermined equations (ODES)[C].SEG Technical Program Expanded Abstracts, 2016, 35: 1039-1042.
|
| [36] |
Yang Y, Li D, Tong T, et al. Denoising controlled-source electromagnetic data using least-squares inversion[J]. Geophysics, 2018, 83(4): E229-E244. |
| [37] |
Chester J W. The fallacy of the'shallow-water prob-lem' in marine CSEM exploration[J]. Geophysics, 2007, 72(6): A93-A97. DOI:10.1190/1.2786868 |
| [38] |
殷长春, 刘云鹤, 翁爱华, 等. 海洋可控源电磁法空气波研究现状及展望[J]. 吉林大学学报(地科版), 2012, 42(5): 1506-1520. YIN Changchun, LIU Yunhe, WENG Aihua, et al. Research on marine controlled-source electromagnetic method airwave[J]. Journal of Jilin University(Earth Science Edition), 2012, 42(5): 1506-1520. |
| [39] |
Kees W, Evert S, Roel S. Seismic and electromagnetic controlled-source interferometry in dissipative media[J]. Geophysical Prospecting, 2008, 56(3): 419-434. DOI:10.1111/j.1365-2478.2007.00686.x |
| [40] |
Amundsen L, Loseth L, Mittet R, et al. Decomposition of electromagnetic fields into upgoing and downgoing components[J]. Geophysics, 2006, 71(5): G211-G223. |
| [41] |
Michael S Z, Shuming W. Foundations of the method of EM field separation into upgoing and downgoing parts and its application to MCSEM data[J]. Handbook of Geophysical Exploration:Seismic Exploration, 2010, 40(2): 351-379. |
| [42] |
David W. Quantifying the effect of the air/water interface in marine active source EM[J]. Journal of Applied Geophysics, 2015, 118: 92-105. DOI:10.1016/j.jappgeo.2015.03.028 |
| [43] |
王书明, 底青云, 王若, 等. 三维MCSEM利用电磁场分解消除空气波效应[J]. 地球物理学报, 2018, 61(2): 742-749. WANG Shuming, DI Qingyun, WANG Ruo, et al. Removing airwave effects using electromagnetic fields decomposition for 3D MCSEM[J]. Chinese Journal of Geophysics, 2018, 61(2): 742-749. |
| [44] |
Wang S M, Di Q Y, Wang R, et al. Removal of the airwave effect by main-part decomposition of the anomalous field of MCSEM data[J]. Applied Geophysics, 2018, 15(1): 3-10. |
| [45] |
Chen J, Alumbaugh D L. Three methods for mitigating airwaves in shallow water marine controlled-source electromagnetic data[J]. Geophysics, 2011, 76(2): F89-F99. |
| [46] |
Frenkel M A, Davydycheva S.A modeling study of low-frequency CSEM in shallow water[C].71st EAGE Conference and Exhibition Incorporating SPE EUROPEC, 2009.
|
| [47] |
Folorunso A F, Yuguo L. Seafloor bathymetry in deep and shallow water marine CSEM responses of Nigerian Niger Delta oil field:effects and corrections[J]. Journal of Applied Geophysics, 2015, 123: 194-210. DOI:10.1016/j.jappgeo.2015.10.014 |
| [48] |
汪轩, 沈金松.海洋可控源电磁勘探中空气波压制方法研究[C].中国地球物理学会第二十九届年会, 2013.
|
| [49] |
Mittet R. Normalized amplitude ratios for frequency domain CSEM in very shallow water[J]. First Break, 2008, 26(11): 47-54. |
| [50] |
Mittet R, Morten J P. Detection and imaging sensitivity of the marine CSEM method[J]. Geophysics, 2012, 77(6): E411-E425. |
| [51] |
Mittet R, Morten J P. The marine controlled-source electromagnetic method in shallow water[J]. Geophy-sics, 2013, 78(2): E67-E77. |
| [52] |
Mittet R, Gabrielsen P T. Decomposition in upgoing and downgoing fields and inversion of marine CSEM data[J]. Geophysics, 2013, 78(1): E1-E17. |
| [53] |
沈金松, 詹仕凡, 王鹏飞, 等. 海洋电磁勘探中空气波相互作用机制和水深影响分析[J]. 中国石油大学学报(自然科学版), 2011, 35(6): 51-58. SHEN Jinsong, ZHAN Shifan, WANG Pengfen, et al. Analysis of air wave interaction mechanism and effect of sea water depth on electromagnetic prospecting[J]. Journal of China University of Petroleum(Edition of Natural Science), 2011, 35(6): 51-58. |
| [54] |
Zhou J Y, Zhou F D. The applicated comparation of three signal analytical methods for ocean CSEM signature[J]. Advances in Applied Science and Industrial Technology, 2013, 798(1/2)): 561-564. |
| [55] |
Singer B S. Far-zone fields of electric and magnetic dipoles in a stratified laterally isotropic earth and mitigating the airwave in marine CSEM[J]. Geophysical Journal International, 2015, 201(3): 1568-1597. DOI:10.1093/gji/ggv119 |
| [56] |
Yoon D, Zhdanov M S. Optimal synthetic aperture method for marine controlled-source EM surveys[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(2): 414-418. |
| [57] |
Willen D E.Method for Wavelet Denoising of Controlled Source Electromagnetic Survey Data[P].U.S.A.WO2007018949A2, 2007.02.15.
|
| [58] |
周潞, 祝忠明, 谭帅. 小波收缩阈值消噪在海洋电磁中的应用[J]. 信息通信, 2013, 26(1): 1-2. |
| [59] |
周潞.海洋可控源电磁信号预处理方法分析研究[D].四川成都: 成都理工大学, 2014. ZHOU Lu.Study on the Analysis of Marine Controlled-source Electromagnetic Signal Preprocessing Method[D].Chengdu University of Technology, Chengdu, Sichuan, 2014. |
| [60] |
Hussain N, Karsiti M N, Jeoti V, et al. Use of wavelets in marine controlled source electromagnetic me-thod for geophysical modeling[J]. International Journal of Applied Electromagnetics and Mechanics, 2016, 51(4): 431-443. DOI:10.3233/JAE-160002 |
| [61] |
李肃义, 蒋善庆, 王跃洋, 等. 海洋可控源电磁数据中海水扰动噪声的小波校正方法研究[J]. 石油物探, 2016, 55(5): 657-663. LI Suyi, JIANG Shanqing, WANG Yueyang, et al. A wavelet correction method for the seawater turbulence noise in marine controlled-source electectromagnetic data[J]. Geophysical Prospecting for Petroleum, 2016, 55(5): 657-663. |
| [62] |
李肃义, 赵彦超, 孙卫斌, 等. 海洋可控源电磁数据的新型小波基消噪方法[J]. 仪器仪表学报, 2019, 40(2): 67-74. LI Suyi, ZHAO Yanchao, SUN Weibin, et al. New wavelet-based denoising method for marine controlled source electromagnetic data[J]. Chinese Journal of Scientific Instrument, 2019, 40(2): 67-74. |
| [63] |
于彩霞, 魏文博, 景建恩, 等. 希尔伯特-黄变换在海底大地电磁测深数据处理中的应用[J]. 地球物理学进展, 2010, 25(3): 1046-1056. YU Caixia, WEI Wenbo, JING Jianen, et al. Application of Hilbert-Huang transformation to marine magnetotelluric sounding data processing[J]. Progress in Geophysics, 2010, 25(3): 1046-1056. |
| [64] |
Yutaka S. Bathymetric effects and corrections in marine CSEM data[J]. Geophysics, 2011, 76(3): F139-F146. |
| [65] |
Johan M.Noise reduction and error analysis for a towed EM system[C].SEG Technical Program Expanded Abstracts, 2012, 31: 1-5.
|
| [66] |
Mo D, Jiang Q Y, Li D Q, et al. Controlled-source electromagnetic data processing based on gray system theory and robust estimation[J]. Applied Geophysics, 2017, 14(4): 570-580. DOI:10.1007/s11770-017-0646-5 |
| [67] |
刘宁, 刘财, 刘洋. 基于时变双边滤波的海洋可控源电磁数据噪声压制方法研究[J]. 世界地质, 2015, 34(1): 232-239. LIU Ning, LIU Cai, LIU Yang. Marine controlled-source electromagnetic data de-noising method based on time-varying bilateral filtering[J]. Global Geology, 2015, 34(1): 232-239. |
| [68] |
刘宁.海洋可控源电磁数据典型预处理及几种去噪方法研究[D].吉林长春: 吉林大学, 2015. LIU Ning.Preprocessing and Research of Denoising Methods for Marine Controlled Source Electromagnetic Data[D].Jilin University, Changchun, Jilin, 2015. |
| [69] |
Sato S, Goto T, Kasaya T, et al. Noise reduction me-thod of marine spontaneous electric field data using independent component analysis[J]. Butsuri Tansa, 2017, 70: 42-55. |
| [70] |
Imamura N, Goto T N, Kasaya T, et al. Robust data processing of noisy marine controlled-source electromagnetic data using independent component analysis[J]. Exploration Geophysics, 2018, 49(1): 21-29. DOI:10.1071/EG17139 |
| [71] |
Bhatt K M. Microseisms and its impact on the marine controlled source electromagnetic signal[J]. Journal of Geophysical Research:Solid Earth, 2014, 119(12): 8655-8666. DOI:10.1002/2014JB011024 |
| [72] |
Nyamasvisva T E, Yahya N, Hasbullah H B, et al.Estimating direct waves with respect to receiver offset, antenna current and frequency in MCSEM[C].International Conference on Computer and Communication Engineering (ICCCE), 2016, 106: 480-484.
|
| [73] |
丁学振, 李予国, 刘颖. 激电效应对海洋可控源电磁响应的影响[J]. 石油地球物理勘探, 2018, 53(6): 1341-1350. DING Xuezhen, LI Yuguo, LIU Ying. Influence of IP effects on marine controlled-source electromagnetic responses[J]. Oil Geophysical Prospecting, 2018, 53(6): 1341-1350. |
| [74] |
Oleg V P, Alexey I G. On processing of controlled source electromagnetic (CSEM) data[J]. Geologica Acta, 2010, 8(1): 31-49. |
| [75] |
周文强, 周鹏, 戴永寿, 等. 海洋可控源电磁勘探中MT噪声降噪效果评估方法研究[J]. 地球物理学进展, 2019, 34(3): 1268-1280. ZHOU Wenqiang, ZHOU Peng, DAI Yongshou, et al. Research on evaluation method of MT noise denoising effect in marine controlled-source electromagnetic exploration[J]. Progress in Geophysics, 2019, 34(3): 1268-1280. |
| [76] |
Wang L, Li Y.Field result of marine controlled source electromagnetic survey for gas hydrates in northern South China Sea[C].5th International Conference on Systems and Informatics, 2018, 871-877.
|
| [77] |
Dehiya R, Singh A, Gupta P K, et al. 3-D CSEM data inversion algorithm based on simultaneously active multiple transmitters concept[J]. Geophysical Journal International, 2017, 209(2): 1004-1017. DOI:10.1093/gji/ggx062 |
| [78] |
Xuan W, Shen J S.Marine CSEM data processing and noise attenuation with short-time Fourier transform[C].SEG Technical Program Expanded Abstracts, 2017, 36: 1214-1218.
|
| [79] |
杨洋, 何继善, 李帝铨. 在频率域基于小波变换和Hilbert解析包络的CSEM噪声评价[J]. 地球物理学报, 2018, 61(1): 344-357. YANG Yang, HE Jishan, LI Diquan. A noise evaluation method for CSEM in the frequency domain based on wavelet transform and analytic envelope[J]. Chinese Journal of Geophysics, 2018, 61(1): 344-357. |
| [80] |
Yang Y, He J, Sun H, et al.A new method to extract useful harmonics from CSEM data[C].SEG Technical Program Expanded Abstracts, 2019, 38: 1154-1158.
|
| [81] |
张必明, 蒋奇云, 莫丹, 等. 电磁勘探数据粗大误差处理的一种新方法[J]. 地球物理学报, 2015, 58(6): 2087-2102. ZHANG Biming, JIANG Qiyun, MO Dan, et al. A novel method for handling gross errors in electromagnetic prospecting data[J]. Chinese Journal of Geophysics, 2015, 58(6): 2087-2102. |
| [82] |
Duan N, Wang M, Wang G, et al. Research on the isolation and collection method of multi-channel tempera-ture and power supply voltage under strong marine controlled source EMI[J]. IEEE Access, 2019, 7(1): 6400-6411. |
| [83] |
Knaak A, Snieder R, Suilleabhain L O, et al. Opti-mized 3D synthetic aperture for controlled-source electromagnetics[J]. Geophysics, 2015, 80(6): E309-E316. |
| [84] |
Ma C, Shen J, Gao Y. Enhancing the detectability of a high-resistivity target by using a synthetic aperture source for 3D marine CSEM modelling of a rugged seafloor[J]. Journal of Geophysics and Engineering, 2016, 13(5): 832-844. DOI:10.1088/1742-2132/13/5/832 |
| [85] |
Wang X, Shen J, Su Z.Study on the performances of optimization methods of particle swarm and eigenstate analysis in CSEM data synthetic aperture processing[C].SEG Technical Program Expanded Abstracts, 2018, 37: 988-992.
|
| [86] |
李盼, 李予国. 合成源MCSEM高阻薄层识别[J]. 石油地球物理勘探, 2018, 53(3): 597-605. LI Pan, LI Yuguo. High resistivity reservoir identification based on synthetic-sources marine controlled-source electromagnetic data[J]. Oil Geophysical Prospecting, 2018, 53(3): 597-605. |
| [87] |
Andreis D, Macgregor L. Controlled-source electro-magnetic sounding in shallow water:Principles and applications[J]. Geophysics, 2008, 73(1): F21-F32. |