2019, Vol. 62
2. 中国科学技术大学地球与空间科学学院, 合肥 230026;
3. 中国科学院地质与地球物理研究所, 北京 100029
2. School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026, China;
3. Institute of Geology and Geophysics, Chinese Academy of Sciences, Beijing 100029, China
微地震监测技术是非常规储层开发过程中了解水力压裂裂缝分布规律以及评价压裂改造效果的重要技术手段(Batchelor et al., 1983; Warpinski et al., 2001; Maxwell et al., 2002; Fisher et al., 2005)，其中微地震事件初至拾取是微地震监测数据处理的一个关键步骤(Maxwell et al., 2010).初至拾取的误差大小会对震源定位结果产生较大的影响，准确且拾取标准一致的微地震事件初至到时对后期震源定位以及压裂裂缝缝网的解释具有重要意义.
微地震事件初至拾取本质上是分析与识别有效信号与背景噪声的特征差异，包括能量、偏振、频谱、统计和波形等方面.由于水力压裂诱发地震的能量弱，背景噪声和续至波均会对微地震事件震相识别和初至拾取产生较大影响.常见的初至拾取方法可以分为基于单道记录的算法和基于多道记录的算法(Akram and Eaton, 2014).基于单道记录的常用方法包括长短时窗能量比方法(STA/LTA)(Withers et al., 1998; 叶根喜等，2008；吴治涛和李仕雄，2010)，AR-AIC方法(Sleeman and van Eck, 1999)，偏振分析方法(Moriya, 2008, 2009；吴治涛等，2012)、分形方法(Boschetti, 1996；常旭和刘伊克，2002)和时频分析方法(Karastathis et al., 2016)等.另外，一些学者也研究并提出综合微地震信号与背景噪声的多种特征差异来识别并提取微地震事件初至到时的方法(宋维琪和吕世超，2011；刘劲松等，2013；谭玉阳等，2016；Akram and Eaton, 2014).基于多道记录的初至拾取方法，如互相关方法(Raymer et al., 2008; De Meersman et al., 2009)，充分利用了事件道间记录的相似特征可以提高初至拾取结果的质量，例如Akram和Eaton(2016)提出基于迭代的互相关算法用于优化微地震数据的初至拾取结果；魏梦祎等(2018)提出一种基于波形互相关的微地震事件自动识别及初至拾取方法，方法在有效地识别微地震事件的同时得到较为准确的初至拾取结果.
在拾取微地震事件初至的过程中，人们通常选择相同的方法以及合适的参数对所有识别出的事件批量处理.然而，不同微地震事件间能量、传播路径以及背景噪声等差异综合影响使得事件间初至拾取存在误差，事件间初至误差表现为时差校正后事件间波形存在对齐差异的现象(Kummerow, 2013).这类拾取误差对事件定位以及裂缝解释的影响有可能大于随机初至误差的影响，但在常规初至拾取算法中这一误差项往往被忽视.
震源机制相似的微地震事件信号波形相似程度主要取决于检波器间的距离以及事件间距离(Menke, 1999; Kummerow, 2010).井中微地震监测过程中采集数据的检波器空间位置相邻以一定间隔放置于井中，相邻检波器接收到来自同一压裂区域诱发的震源机制相似的微地震事件在记录上表现出相似的波形特征，包括事件内信号波形相似以及事件间信号波形相似两个方面.利用事件内波形相似特征可以实现微地震事件的识别以及初至的拾取(Tan and He, 2016；魏梦祎等，2018).Kummerow(2013)将相似微地震事件作为一个整体处理，通过联合事件间以及检波器间的波形相似实现对已得微地震事件初至结果的全局优化，但是受低信噪比事件初至结果偏差较大的影响，全局优化的效果不理想.
本文首先描述了常规方法拾取结果中事件间初至拾取标准一致性存在差异的问题，然后基于微地震事件波形相似特征提出一种初至拾取全局校正方法.该方法利用了同一微地震事件各道记录之间的相似特征以及不同微地震事件间的波形相似特征实现初至拾取和初至全局校正.为了检验本文方法的可行性和可靠性，我们对实际资料进行处理，并把处理结果与常规方法的结果进行了对比分析.
1 初至拾取标准一致性差异井中监测微地震事件一般利用P波S波初至以及监测井与压裂井之间的速度模型进行震源定位(Jones et al., 2014)，准确的事件初至拾取对震源定位结果至关重要.初至信息中包含的两类时差信息(如图 1所示)，分别为同一P波(或S波)到不同检波器的时差以及P波和S波到同一检波器的时差，它们分别反映的是入射方位(震检仰角)和射线路径长度(Zhou et al., 2015)，即
|
(1) |
|
图 1 微地震事件时差信息示意图 Fig. 1 Diagram of the time difference information in microseismic event |
其中，ΔT1表示两个检波器间的同一震相初至时差，ΔT2表示同一检波器的纵横波到时差，Tc为实际观测到时(c=p, s), i和j表示检波器号.时差信息是否准确是震源定位的关键，因此，准确的到时信息是初至拾取的首要目标.
常规初至拾取方法通常选择检测函数的最大值或者最小值作为地震波初至，如STA/LTA方法中能量比值的最大值、AIC值的最小值、互相关函数最大值等.由于信号的能量以及噪声干扰的差异，事件的初至拾取标准存在不一致.基于单道记录的初至拾取算法无法衡量道间初至拾效果，基于多道记录的初至算法利用事件内各道记录的相似特征实现道间时差的估计，并依据参考道或者叠加道的初至得到事件初至信息，很大程度上提高了道间初至结果精度.然而逐个事件的初至拾取结果中事件间依旧存在误差，这类初至拾取误差对定位的影响是不能忽视的.
为了描述常规初至拾取方法得到结果中存在的差异，以下分别对利用STA/LTA以及基于互相关的迭代初至拾取方法所得结果进行分析.STA/LTA方法选定一组长短滑动时窗，利用两个时窗内信号的平均值之比来反映信号振幅或能量的变化，STA(短时窗)反映局部信号的振幅水平，而LTA(长时窗)反映的是背景噪声的振幅水平，在初至到时附近，STA比LTA变化快，相应的STA/LTA比值会出现一个明显的极值.基于迭代的互相关初至拾取算法以DKV方法(De Meersman et al., 2009; Akram and Eaton, 2014)为例，方法在对单个微地震事件已有的初至结果基础上拉平同相轴叠加形成参考道，将参考道与各道记录互相关求取时差拉平记录形成新的参考道，这个过程重复直到剩余时差收敛小于阈值.
图 2为不同的实际微地震事件的记录以及分别利用基于单道记录以及DKV方法所得初至结果的时差校正记录.图 2a为10级井中检波器记录的4个事件的P波垂直分量记录，可以看出事件间的能量差异明显.图 2b为利用STA/LTA方法所得初至结果进行时差校正后的记录，从图中可以明显看出即使记录信噪比较高，道间记录的初至拾取依旧存在标准不一致的误差，引起差异的原因在于传播路径对记录波形的影响使得初至检测函数对初至点的敏感程度受到影响.图 2c为经过DKV方法优化处理的初至结果，可以看出事件内各道记录的同相轴基本对齐，表明该方法可以有效提高微地震事件不同道间初至拾取标准一致性，但在不同事件间初至结果仍然存在差异，引起差异的原因在于不同事件的能量、传播路径以及背景噪声的差异对波形记录的综合影响.
|
图 2 不同能量的微地震事件记录及初至结果时差校正记录 (a) 4个微地震P波Z分量记录；(b) STA/LTA方法所得初至的时差校正记录；(c) DKV方法优化初至结果的时差校正记录.(b)和(c)中各道记录经能量均衡处理. Fig. 2 Microseismic events with different energy and waveforms after moveout correction (a) P-wave (Z-component) from four microseismic events; (b) The waveforms after moveout correction based on the pick times of STA/LTA method; (c) The waveforms after moveout correction based on the adjusted picks based on DKV′s method. Waveforms in panels (b) and (c) are preprocessed by energy balancing. |
为了提高所有事件初至拾取标准一致性，本文提出一种基于波形相似特征的初至拾取全局校正方法，方法利用多道记录的互相关算法，先后实现同一事件内道间记录和不同事件间叠加道记录的时差校正并得到全局优化的初至结果.
2 多道记录的时差和到时估计互相关函数常被用于天然地震和微地震事件识别与震相初至拾取处理过程中求取相似地震信号间的到时差(VanDecar and Crosson, 1990; Bagaini, 2005; De Meersman et al., 2009; Plenkers et al., 2013).根据互相关函数最大值所对应的位置可以得到时差信息.两个信号的互相关函数定义为
|
(2) |
其中N为采样点数，互相关函数|ci, j(k)|的最大值为Ci, jmax，最大值所对应的时刻为两个信号xi(t)和xj(t)的初至时差Δti, j.道间时差Δti, j和两道记录的初至到时ti, tj的关系可以表示为
|
(3) |
时差校正可以通过两种方式实现，一种方法是选择信噪比高的记录作为参考道，计算参考道与其他各道的互相关函数，根据Δt对记录进行时差校正.另一种方法无需选择参考道，根据Δti, j与各道相对到时ti之间的关系建立线性方程组求解ti，并根据ti实现各道记录的时差校正(VanDecar and Crosson, 1990; Kummerow, 2013).多道记录的时差校正可以用建立超定线性方程组求解的方法实现(Tan and He, 2016).以5道记录为例可以建立如下线性方程组：
|
(4) |
为了避免方程组求解过程中不稳定，可以在方程组的底部添加一个约束方程(∑ti=0)，公式(4)可以简化为如下形式：
|
(5) |
其中A为稀疏系数矩阵，Δt为观测数据向量(由Δti, j构成)，t为待求参数向量(由ti构成).(5)式的最小二乘解为
|
(6) |
利用(6)式求解出t后，即可得到各道记录的初至信息.这一方法的优点是可以直接得到初至到时的最优解，而无需进行多步循环迭代运算.对于M道记录，公式(4)需要进行M(M－1)/2次互相关运算，当M值较大时，该运算过程耗时较长使得运算效率降低，在这种情况下，可以考虑仅将每道记录与相邻的3~5道记录进行互相关运算，并重复上述步骤将校正后的记录作为输入对每段记录进行多次时差校正，一般经过3~5校正迭代后可得到初至同相轴拉平的记录(Tan and He, 2016).将拉平后的各道记录叠加，利用初至拾取方法可得到叠加道的初至到时T0，再根据各道的相对到时ti即可得到各道初至到时.
3 基于波形相似特征的初至拾取及全局校正对于井中微地震监测，由于压裂诱发震源传播到相邻检波器的射线路径近似，在监测记录剖面上可以看到微地震事件波形具有较好的相似特征，其主要体现在两个方面：其一，位置相邻的检波器接收到同一微地震事件记录的波形相似；其二，具有相似震源位置及破裂机制的微地震事件在记录上表现出相似的波形.利用事件记录的波形相似特征可以对各事件进行初至拾取并通过事件间的波形相似特征对初至结果全局校正.由于事件间能量差异大，事件内的相似程度要高于事件间的相似程度，在低信噪比情况下的波形互相关时差估计不准确，因此先估计事件内道间时差，叠加道的信噪比通常高于叠加前的各道记录，通过事件的叠加道提高信噪比后再求取各事件初至校正量.
基于多道记录的时差和到时估计可以对事件记录进行时差校正得到初至同相轴拉平的记录，将拉平后的各道记录进行叠加，利用基于单道记录的初至拾取方法(如STA/LTA)得到每个事件叠加道(k个事件)的初至到时t(k)，再根据各道(m级检波器)的相对到时Δt(k, m)即可得事件的初至到时，
|
(7) |
为了降低事件间的初至拾取误差，可以利用事件间的波形相似特征对不同事件叠加道的初至进行全局校正，校正过程中事件间时差校正量ΔT(k)同样可以通过基于互相关的多道记录时差和到时估计计算得到(即公式(3)—(6)).同相轴对齐的事件叠加道记录可以表示事件间初至拾取标准一致性更好.全局校正后的各事件初至到时可以表示为
|
(8) |
其中T′(k, m)为全局校正后的初至结果.本文的初至拾取及全局校正方法流程可以描述如下(流程如图 3).
|
图 3 微地震事件初至拾取及全局校正流程图 Fig. 3 Flowchart of the arrival picking and global refinement for microseismic events |
我们应用上述方法对实际资料进行处理分析.实际资料为一口页岩气水平井中进行的19段水力压裂施工的微地震监测数据.观测系统(如图 4a所示)为放置于相邻井中的一个12级检波器组，检波器深度范围2570~2670 m, 间距为10 m，采样率为4000 Hz.首先利用射孔记录标定检波器朝向，再对连续监测数据进行带通滤波处理(滤波器通带为[30, 350]Hz)去除低频和高频噪声，然后对预处理后数据利用基于道间相似特征的事件识别方法(Tan and He, 2016；魏梦祎等，2018)得到2342个微地震事件.本文以第8段压裂诱发的微地震事件为例，该压裂段距离检波器约1600 m，共监测到59个微地震事件，利用射孔记录初至及位置坐标校正初始速度模型，校正后的速度模型(如图 4b)用于震源定位.
|
图 4 实际压裂井中微地震监测的观测系统(a)和速度模型(b) 图(a)中监测井(黑线)和压裂井(灰线)井口相邻，井中检波器排列(黑色三角形)一共12级，深度范围从2580~2680 m，间距为10 m.第8段射孔与检波器距离约1600 m.图(b)中黑实线和灰点虚线分别代表P波和S波速度模型，浅灰色为压裂目标层位，黑色三角形和星形分别为检波器和第8段射孔深度位置. Fig. 4 The 3-D view of the field experiment geometry (a) and velocity model (b) (a) The wellhead of the monitoring well (black line) is adjacent to that of treatment well (gray line). The downhole monitoring array (black triangles) consists of 12 levels at a depth from 2580 m to 2680 m with sensor spacing of 10 m. The distance between the perforation shots (black star) of stage No.8 and the geophones is ~1600 m. (b) P wave (black solid line) and S wave (gray dotted dash line) velocity profile used for event location. The target shale formation is denoted as gray shadow and the depth of the monitoring array (triangles) and perforation shot of 8th stage (star) are also shown for reference. |
在实际资料处理过程中我们基于道间相似特征的事件识别方法识别了微地震事件并得到P波S波震相大致的时刻.由于井中监测微地震记录中P波震相的Z分量波形相似程度较高，对每个双震相事件先拾取P波震相初至再拾取S波震相初至.我们首先利用事件识别所得P波震相时刻前后截取合适的时窗，利用多道互相关方法对时窗内P波Z分量记录时差校正并拾取P波震相初至.图 5中为第8段中的4个典型的微地震事件P波记录，通过该图可以看出事件内和事件间的波形记录均表现出较高的相似度.
|
图 5 4个检波器接收到4个微地震事件P波Z分量记录 横向为同一事件、不同检波器波形；纵向为同一检波器、不同事件的波形. Fig. 5 P-wave (Z-component) of four events belonging to the same group recorded at four receivers Rows: the same event waveforms recorded at different receivers. Columns: the different event waveforms recorded at the same receivers. |
图 6为微地震事件P波震相初至拾取全局校正过程，其中图 6a为截取的微地震事件P波震相记录(以第1和第59个事件为例)，图 6b中经过多道记录时差校正后的事件记录初至同相轴对齐，通过对拉平后的波形进行叠加可以得到该事件P波震相对应的叠加道记录，利用STA/LTA方法可以得到叠加道的初至到时t(k)，每个事件各级检波器接收P波震相信号相对叠加道的时差可以表示为Δt(k, m).
|
图 6 基于多道互相关的微地震事件初至拾取全局优化 (a)时差校正前单个事件P波震相记录；(b)时差校正后单个事件记录和拉平后P波震相记录的叠加道以及叠加道的STA/LTA比值；(c)各事件P波震相叠加道；(d)时差校正后的各事件叠加道及其叠加道以及最终叠加道的STA/LTA比值.图中记录经过能量均衡预处理. Fig. 6 Arrival picking and global refinement based on multi-trace cross-correlation algorithm Panels (a and b) show the waveforms of P-wave of microseismic events before and after moveout correction. In panel (b) waveform of the stacked traces of the aligned waveforms and the STA/LTA ratio of the stacked data are shown. (c) The stacking waveforms of each events. (d) The waveforms after moveout correction based on multi-trace waveform cross-correlation. Waveform of the stacked traces of the aligned waveforms and the STA/LTA ratio of the final stacked data are shown in the right. The waveforms are preprocessed by energy balancing. |
所有的59个事件P波震相通过拉平初至同相轴可以得到对应的59个叠加道，波形如图 6c.叠加道的信噪比通常高于叠加前的各道记录，因此，可以作为事件记录P波震相的参考波形.基于事件间波形的相似特征，根据各事件叠加道记录求取事件内的初至校正量，同相轴拉平对齐的波形表明了事件间初至拾取误差的降低，如图 6d所示.利用STA/LTA方法可得最终叠加道U0的相对初至ΔT0，各事件的P波初至校正量为ΔT′(k)=ΔT0+ΔT(k).各个事件的校正后的P波初至可以通过初至信息加上事件间的相对校正量求得，即
|
(9) |
时差校正后的共事件和共检波器记录是很好的分析波场和初至拾取质量的工具，同相轴拉平效果可以判断道间初至拾取是否存在误差(Reshetnikov and Shapiro, 2014a, 2014b).为了说明不同方法所得P波震相初至结果的差异，本文利用在共事件记录和共检波器记录上分析对所有事件采用STA/LTA方法、DKV方法和本文方法所得初至质量.图 7(Ⅰ)、(Ⅱ)和(Ⅲ)分别表示的是利用STA/LTA方法、DKV方法和本文方法所得初至结果时差校正后截取的P波记录(各事件各道初至前后分别截取0.05 s).图 7a显示的是时差校正处理后的事件记录(第1个事件)，图 7b显示的是共检波器记录(第3级检波器).通过该图可以看出，初至拾取误差可以通过初至结果时差校正后同相轴局部波形的对齐效果表示.通过单个事件记录上可以看出事件内初至结果的差异，通过共检波器道集记录上可以看出事件间初至结果的差异.通过同一事件信号波形对比中可以看出STA/LTA方法所得结果(图 7-Ⅰ)有个别道与其他道之间存在较为明显的同相轴波形未对齐情况，反映了事件内初至拾取误差，产生这个现象的原因是事件的能量、传播路径以及背景噪声差异综合使得在相同的初至检测函数下初至结果的准确程度不同.DKV方法相比于基于单道记录的STA/LTA方法考虑了不同信号间的相关性，提高了事件内初至拾取精度(如图 7-Ⅱ-a所示)，但结果中事件间的初至误差仍然存在(如图 7-Ⅱ-b所示).本文方法将这59个相似的微地震事件看成一个整体，在各事件初至拾取过程中先保证事件内的初至结果精度，再利用事件间记录的相似特征统一事件间的初至拾取标准，降低了常规算法中忽视的初至误差项的影响.通过共检波器道集上可以明显看出初至结果相对于常规方法提高了事件间的初至拾取标准一致性(如图 7-Ⅲ-b所示).图 8为将所有微地震事件P波震相记录作为一个整体，通过三种不同方法所得初至结果截取的事件记录数据体(所有事件初至结果前后0.05 s).从图中可以更明显的看出本文方法所得初至时差校正数据体同相轴对齐效果更好，即本文方法可以得到精度更高且拾取标准统一的初至结果.
|
图 7 根据三种方法所得初至结果的时差校正后的事件P波记录和共检波器P波记录对比 数据截取的窗口为初至前后0.05 s.记录经过能量均衡预处理.(Ⅰ)利用STA/LTA方法所得初至结果时差校正后的记录; (Ⅱ)利用DKV方法所得初至结果时差校正后的记录; (Ⅲ)利用本文方法所得初至结果时差校正后的记录.(a)事件记录(第1个事件); (b)共检波器记录(第3个检波器). Fig. 7 Comparisons of common event gathers and common receiver gathers after moveout correction based on different pick time results of three methods The interception time of data are 0.05 s before and after pick times. The waveforms are preprocessed by energy balancing. (Ⅰ) Waveforms after moveout correction based on pick times of STA/LTA method. (Ⅱ) Waveforms after moveout correction based on adjust pick times of DKV′s method. (Ⅲ) Waveforms after moveout correction based on pick times of the proposed method. Panels (a and b) represent common event gathers (Event No.1) and common receiver gathers (Receiver No.3). |
|
图 8 根据三种方法所得初至结果的时差校正后P波记录对比 数据截取的窗口为初至前后0.05 s.颜色代表波形的极性和振幅.记录经过能量均衡预处理. (a)利用基于STA/LTA方法所得初至结果时差校正的记录; (b)利用DKV方法所得初至结果时差校正的记录; (c)利用本文提出的方法所得初至结果时差校正的记录. Fig. 8 Comparisons of P-wave recording data based on different pick time results The interception time of data are 0.05 s before and after pick times. Colors represent polarity and amplitude. The waveforms are preprocessed by energy balancing. (a) Waveforms after moveout correction based on pick times of STA/LTA method; (b) Waveforms after moveout correction based on adjust pick times of DKV′s method; (c) Waveforms after moveout correction based on pick times of the proposed method. |
与P波同相轴初至求取过程相同，S波的初至拾取过程同样分为两步，先估计事件内震相道间时差后估计事件间的道间时差，利用叠加道来统一S波的初至拾取标准.S波初至拾取是基于P波初至拾取的结果上实现的，根据P波偏振属性将三分量数据旋转到P波射线坐标系中，旋转后的微地震事件道间S波波形相似性提高，可以提高S波初至拾取的精度(De Meersman et al., 2009).
该压裂段区域和检波器监测段范围相对于监测距离较小，压裂诱发事件初至特征相似，表现为事件在同一检波器记录的P波S波时差以及同一P波或S波在不同检波器的时差相近.这种情况下，初至拾取结果误差更小时，事件的时差特征分布更集中.根据三种方法所得初至结果通过公式(1)可以分析所有事件的时差信息(包括相同震相检波器间时差以及相同检波器纵横波到时差).图 9为上述三种方法所得初至结果的所有事件首尾检波器到时差以及首级检波器P-S波时差分布特征.图 9b为图 9a不同方向的平面图.红、绿、蓝色圆圈分别表示STA/LTA、DKV和本文方法的所有事件初至结果的时差信息.图 10为利用三种方法所得初至结果根据图 4b速度模型反演定位结果.通过图 9可以看出，STA/LTA方法初至结果(红色)的时差信息分散，而考虑事件内初至误差和全局误差的DKV方法(绿色)和本文方法(红色)的初至结果时差信息相对集中，可以看出初至拾取的误差直接反映在时差信息中，事件间的初至误差更多的反映在P波S波时差上.虽然无法对微地震事件的初至和定位结果进行实际验证，但是相比于两种常规初至方法的结果，本文方法的结果的初至时差分布离散性的改变反映的是初至拾取误差的降低，震源定位结果也更加符合微地震缝网解释的预期.
|
图 9 三种方法所得初至结果的时差信息对比 红、绿、蓝色圆圈分别表示STA/LTA方法、DKV方法和本文方法的初至结果的时差信息. (a)初至结果时差信息空间图；(b)初至结果时差信息平面图. Fig. 9 Comparisons of time difference information based on different pick time results of three methods Red circles, green circles and blue circles represent the time difference information based on the pick times of STA/LTA method, DKV′s method and the proposed method respectively. (a) Spatial diagram; (b) Slice diagrams in different directions. |
|
图 10 利用三种方法所得初至结果得到的事件定位结果对比 红色、绿色和蓝色点分别代表STA/LTA方法、DKV方法和本文方法所得初至的事件定位结果. Fig. 10 Comparisons of event locations based on different pick times results of three methods Red dots, green dots and blue dots represent the event locations based on the pick times of STA/LTA method, DKV′s method and the proposed method respectively. |
本文基于井中微地震监测事件记录波形的相似特征提出了一种基于波形相似特征的初至拾取及全局校正方法.鉴于井中微地震信号在不同检波器以及事件之间均具有较高的相似性，方法首先利用事件内不同记录道的波形相似性，通过采用多道互相关方法求得初至结果并得到事件的叠加道，再利用事件间波形的相似特征求取事件间的初至校正量，以实现事件间初至的全局校正.实际资料的处理结果表明，这一方法能够克服传统方法初至拾取标准一致性差的缺陷，有效提高初至和定位结果的准确性.
本文的方法主要适用于震源机制相似波形相似程度高的微地震事件，对于不同震源机制的微地震事件可以考虑先将事件按照波形的差异进行分类处理，再分别求得不同类事件的初至信息.在实际资料中除了背景噪声对初至拾取的干扰之外，还包括一些规则干扰，如反射波和折射波震相以及续至波等，这些信号的存在对互相关时差估计会产生较大的偏差.检波器接收到微地震事件的初至曲线由震检距离以及速度模型决定，同一压裂段诱发的微地震事件初至特征相似，特别是事件内道间时差特征，通过分析压裂区域事件的初至曲线趋势可以判断和去除误差较大的初至误拾结果，降低初至拾取误差.
致谢 感谢评审专家的宝贵意见, 感谢中石化江汉石油工程公司提供的实际井中微地震监测资料.
Akram J, Eaton D W. 2014. A review and appraisal of arrival-time picking methods for downhole microseismic data. Geophysics, 81(2): KS71-KS91. |
Akram J, Eaton D W. 2016. Refinement of arrival-time picks using a cross-correlation based workflow. Journal of Applied Geophysics, 135: 55-66. DOI:10.1016/j.jappgeo.2016.09.024 |
Bagaini C. 2005. Performance of time-delay estimators. Geophysics, 70(4): V109-V120. DOI:10.1190/1.1996909 |
Batchelor A S, Baria R, Hearn K. 1983. Monitoring the effects of hydraulic stimulation by microseismic event location: a case study.//SPE Annual Technical Conference and Exhibition. San Francisco, California: SPE.
|
Boschetti F, Dentith M D, List R D. 1996. A fractal-based algorithm for detecting first arrivals on seismic traces. Geophysics, 61(4): 1095-1102. DOI:10.1190/1.1444030 |
Chang X, Liu Y K. 2002. The generalized fractal dimension of seismic records and its applications. Chinese Journal of Geophysics (in Chinese), 45(6): 839-846. |
De Meersman K, Kendall J M, Van der Baan M. 2009. The 1998 Valhall microseismic data set:an integrated study of relocated sources, seismic multiplets, and S-wave splitting. Geophysics, 74(5): B183-B195. DOI:10.1190/1.3205028 |
Fisher M K, Wright C A, Davidson B M, et al. 2005. Integrating fracture mapping technologies to improve stimulations in the Barnett Shale. SPE Production & Facilities, 20(2): 85-93. |
Jones G A, Kendall J M, Bastow I D, et al. 2014. Locating microseismic events using borehole data. Geophysical Prospecting, 62(1): 34-49. DOI:10.1111/1365-2478.12076 |
Karastathis V, Aspiotis T, Tselentis A, et al. 2016. Automatic S-wave picking based on time-frequency analysis for passive seismic applications.//Proceedings of 2016 SEG International Exposition and Annual Meeting. October, Dallas, Texas: SEG, 2760-2764.
|
Kummerow J. 2010. Seismic event location using the value of the cross correlation coefficient. Geophysics, 75(4): MA47-MA52. DOI:10.1190/1.3463713 |
Kummerow J. 2013. Joint arrival time optimization for microseismic events recorded by seismic borehole arrays.//Proceedings of the 75th EAGE Conference and Exhibition Incorporating SPE EUROPEC 2013. London: UK, EAGE. doi: 10.3997/2214-4609.20130401.
|
Liu J S, Wang Y, Yao Z X. 2013. On micro-seismic first arrival identification:a case study. Chinese Journal of Geophysics (in Chinese), 56(5): 1660-1666. |
Maxwell S C, Urbancic T I, Steinsberger N, et al. 2002. Microseismic imaging of hydraulic fracture complexity in the Barnett shale.//SPE Annual Technical Conference and Exhibition. San Antonio, Texas: SPE, doi: 10.2118/77440-MS.
|
Maxwell S C, Rutledge J, Jones R, et al. 2010. Petroleum reservoir characterization using downhole microseismic monitoring. Geophysics, 75(5): 75A129-75A137. DOI:10.1190/1.3477966 |
Menke W. 1999. Using waveform similarity to constrain earthquake locations. Bulletin of the Seismological Society of America, 89: 1143-1146. |
Moriya H. 2008. Precise arrival time detection of polarized seismic waves using the spectral matrix. Geophysical Prospecting, 56(5): 667-676. DOI:10.1111/j.1365-2478.2008.00713.x |
Moriya H. 2009. Spectral matrix analysis for detection of polarized wave arrivals and its application to seismic reflection studies using local earthquake data. Earth, Planets and Space, 61(12): 1287-1295. DOI:10.1186/BF03352982 |
Plenkers K, Ritter J R R, Schindler M. 2013. Low signal-to-noise event detection based on waveform stacking and cross-correlation:application to a stimulation experiment. Journal of Seismology, 17(1): 27-49. DOI:10.1007/s10950-012-9284-9 |
Raymer D, Rutledge J, Jaques P. 2008. Semiautomated relative picking of microseismic events.//Proceedings of the 78th Annual International Meeting. Expanded Abstracts, 1411-1414.
|
Reshetnikov A, Shapiro S A. 2014a. Common-receiver gathers as a tool for analysis of microseismic waveforms and quality of time picks.//Proceedings of the 76th EAGE Conference and Exhibition. Extended Abstracts.
|
Reshetnikov A, Shapiro S A. 2014b. Receiver based analysis of microseismic recordings: A tool for assessing quality of time picks and event locations.//Proceedings of 2014 SEG Annual Meeting. Denver, Colorado, USA: SEG, 2198-2201.
|
Sleeman R, van Eck T. 1999. Robust automatic P-phase picking:an on-line implementation in the analysis of broadband seismogram recordings. Physics of the Earth and Planetary Interiors, 113(1-4): 265-275. DOI:10.1016/S0031-9201(99)00007-2 |
Song W Q, Lv S C. 2011. Automatic detection method of microseismic event based on wavelet decomposition and Akaike information criteria. Geophysical Prospecting for Petroleum (in Chinese), 50(1): 14-21. |
Tan Y Y, He C. 2016. Improved methods for detection and arrival picking of microseismic events with low signal-to-noise ratios. Geophysics, 81(2): KS93-KS111. DOI:10.1190/geo2015-0213.1 |
Tan Y Y, Yu J, Feng G, et al. 2016. Arrival picking of microseismic events using the SLPEA algorithm. Chinese Journal of Geophysics (in Chinese), 59(1): 185-196. DOI:10.6038/cjg20160116 |
VanDecar J C, Crosson R S. 1990. Determination of teleseismic relative phase arrival times using multi-channel cross-correlation and least squares. Bulletin of the Seismological Society of America, 80(1): 150-169. |
Warpinski N R, Wolhart S L, Wright C A. 2001. Analysis and prediction of microseismicity induced by hydraulic fracturing.//SPE Annual Technical Conference and Exhibition. New Orleans, Louisiana: SPE, doi: 10.2118/71649-MS.
|
Wei M Y, Tan Y Y, Mao Z H, et al. 2018. Automatic microseismic event detection and arrival picking based on waveform cross-correlation. Acta Scientiarum Naturalium Universitatis Pekinensis (in Chinese), 54(2): 361-372. DOI:10.13209/j.0479-8023.2017.079 |
Withers M, Aster R, Young C, et al. 1998. A comparison of select trigger algorithms for automated global seismic phase and event detection. Bulletin of the Seismological Society of America, 88(1): 95-106. |
Wu Z T, Li S X. 2010. Comparison of STA/LTA P-pickers for microseismic monitoring. Progress in Geophysics (in Chinese), 25(5): 1577-1582. DOI:10.3969/j.issn.1004-2903.2010.05.007 |
Wu Z T, Luo X, Li S X. 2012. United wavelet transform and polarization analysis automatically identify micro seismic P-arrival. Progress in Geophysics (in Chinese), 27(1): 131-136. |
Ye G X, Jiang F X, Yang S H. 2008. Possibility of automatically picking first arrival of microseismic wave by energy eigenvalue method. Chinese Journal of Geophysics (in Chinese), 51(5): 1574-1581. |
Zhou W, Wang L S, Guan L P, et al. 2015. Microseismic event location using an inverse method of joint P-S phase arrival difference and P-wave arrival difference in a borehole system. Journal of Geophysics and Engineering, 12(2): 220-226. DOI:10.1088/1742-2132/12/2/220 |
常旭, 刘伊克. 2002. 地震记录的广义分维及其应用. 地球物理学报, 45(6): 839-846. DOI:10.3321/j.issn:0001-5733.2002.06.011 |
刘劲松, 王赟, 姚振兴. 2013. 微地震信号到时自动拾取方法. 地球物理学报, 56(5): 1660-1666. |
宋维琪, 吕世超. 2011. 基于小波分解与Akaike信息准则的微地震初至拾取方法. 石油物探, 50(1): 14-21. DOI:10.3969/j.issn.1000-1441.2011.01.002 |
谭玉阳, 于静, 冯刚, 等. 2016. 微地震事件初至拾取SLPEA算法. 地球物理学报, 59(1): 185-196. DOI:10.6038/cjg20160116 |
魏梦祎, 谭玉阳, 毛中华, 等. 2018. 基于波形互相关的微地震事件自动识别及初至拾取. 北京大学学报:自然科学版, 54(2): 361-372. DOI:10.13209/j.0479-8023.2017.079 |
吴治涛, 李仕雄. 2010. STA/LTA算法拾取微地震事件P波到时对比研究. 地球物理学进展, 25(5): 1577-1582. DOI:10.3969/j.issn.1004-2903.2010.05.007 |
吴治涛, 骆循, 李仕雄. 2012. 联合小波变换与偏振分析自动拾取微地震P波到时. 地球物理学进展, 27(1): 131-136. |
叶根喜, 姜福兴, 杨淑华. 2008. 时窗能量特征法拾取微地震波初始到时的可行性研究. 地球物理学报, 51(5): 1574-1581. DOI:10.3321/j.issn:0001-5733.2008.05.033 |