0 引言

微破裂向量扫描技术 (Vector Scanning—VS)(沈琛等，2009；王磊等，2012；梁北援和冷传波，2016) 强调：躲避、去除、和压制较强干扰信号以获得小振幅的背景随机记录，是微震监测中应用VS的必要条件；事实上, 它也是判断和监察VS的应用是否可行、置信度的高低、或能否成功的先决条件.要保证微震监测的可行和可靠，仅仅明确VS的原理 (梁北援和冷传波，2016) 是远远不够的，还必须工程化地解决在数据采集、数据处理、和解释中的一系列问题，任一环节上的失误或缺乏技术监管均可能造成应用失败.本文讨论VS的数据处理.

即使严格地实施了VS的数据采集原则，确定了所有台点是安静的 (梁北援等，2016)，也不能保证正式监测时数据中没有临时发生的干扰，包括哪些隐藏在背景记录中有规律的噪声.在数据处理中，包括能量扫描计算本身，目标区内外与监测目标 (如压裂裂缝) 无关的干扰源的记录被视为外来能量，应去除或压制；换言之，依然是尽力提高有效信噪比.

VS数据处理的主要任务是：

1) 处理准备；

2) 辨别、去除、和压制干扰噪声；

3) 将分为一定时段的数据投入扫描计算.

其中第2步是重点.

所谓数据处理中的工程化，就整体控制或软件方面，是指在保证质量的基础上，高度自动化.而要做到此点，除扫描计算本身外，必须在处理准备和去除干扰的过程中，将VS的必要条件、物理等科技知识、可靠的观测与计算经验、控制和监察过程实现数值化，融入到一个专家系统中 (例如，敖志刚，2010)，并尽力减少人机对话.

据此，第1章讨论了处理准备的几项任务.作为重点，第2章详细描述了VS数据处理的去噪目标和原则、一般干扰类型及具体去噪任务、以及去除或压制最常见干扰的方法和过程.最后，在第3章中，对VS数据处理的任务和方法给与总结.为了使他人能够重复VS在微震监测中的应用，也为了应用方能够判断一个服务方的应用是否正确、可行、和可靠，我们在第3章中单辟一节，简要列出在应用原理、数据采集、数据处理等过程中实施的关键要点，或监察简则.实例散布在各章节中.

1 数据处理准备

在微震监测中应用VS的数据处理准备是指，自台点坐标和波形记录等台站数据开始到达，在筛选记录数据以及计算前的必要准备工作：

1) 扫描几何设计；

2) 构建监测目标区的速度模型；

3) 计算扫描体内各点的地震波射线传播到达各观测点的走时和入射参数表 (简称TTT-Travel Time Table).

以压裂监测为例，它的几何设计将依据台站分布、已有的井斜数据与各压裂段位置，确定每段 (层) 的扫描范围S (例如1000×1000×200 m³)、相应于各观测点的发射地震射线的所有扫描点的最大扫描范围T、并得到所需的速度模型范围V，后者包含所有台站、监测目标、以目标为中心的扫描区域，等等.这里，V≥T≥S (图 1).

使用各观测点的向量对准目标区一点实施叠加或偏移，依赖于从一个目标点到达一个观测点的地震波传播的射线走时、射线在观测点的入射方位和倾角.而构建的速度模型是否接近真实的速度分布将对监测的误差产生影响.通常利用已知的压裂井和监测域内及附近其他井的声波测井数据、已有的2D或3D勘探解释的速度分布，插值出一个3D速度模型，如图 1所示.即，在整理已知地下点速度的基础上，使用扫描网格点的间距或固有分辨率导出的可能误差范围实施插值，如，每10~20 m一个值.

这里，容易忽略但却十分重要的有三点:

1) 必须考虑地表地形对地下密度或速度分布的影响.据地表地形和地下岩土层分布特性，可分类为平原或高原、山区、和黄土塬，并在插值3D速度模型时考虑这些特性；对较深的岩层，亦应考虑可能存在的层倾斜或特性曲面 (图 2).必要时，应比较已知地下构造信息，适当修正速度模型.不细致地考虑地形和构造信息，像天然大震定位那样大范围地简单水平或球面分层造成的误差，在微震监测中是不允许的；如在山区，经常遇到几到十几平方千米内的高差达到几十米甚至几百米 (图 1).

2) 有时供插值的原始数据不足，特别是对浅近地表，需要依据正式监测前的观测数据实施近地表的构造反演 (如，Jerez et al., 2004; 杨奎等，2012).另一种利用抽油机和小震 (如射孔或人工爆破) 估计速度分布的方法见第2.7节.

3) 在正式监测中，由于台点或监测目标点 (如压裂点的微调) 可能随时调整，那么，上述几何设计和TTT的计算就需要随之变化或补充.

根据几何设计和构建的速度模型，即可实施射线追踪，获得从任一目标点到达每一观测点的地震波传播的射线走时、射线在观测点的入射方位和倾角，并列出TTT表备用于扫描计算.上述工作，依据费马原理 (例如，Aki and Richards, 1980)、空间解析几何、和数值计算知识等，在高速的平行计算能力支持下，当前2~3分钟可自动完成.至于设计和TTT的微调和补充，是几秒以内的事情.

2 压制或去除噪声干扰 2.1 去噪的目标和原则

VS算法的必要条件是小振幅的随机背景记录.作为去噪后达到的目标，这些记录应当是：

1) 远处无穷个振源及观测点附近弱电磁场干扰的组合，其记录是无规律或时空上不可预报从而也不可能去除的波动；

2) 由于通常地面微震监测的有用信号淹没在背景噪声中，即信噪比 (S/N—Signal over Noise) 小于1，而扫描原理是检查各向量间的由有用信号控制的相关程度，故这些背景噪声的振幅应尽可能的小；

3) 从频率域看，如在1~2 Hz的范围内，所有频率具有差别不大的能量密度，即，接近白噪声 (例如，Sheriff，1991).

为满足上述条件，在应用VS的整个过程中，我们采用了下列措施：

1) 使用专用微震仪与在安静处布设地震台网 (梁北援等，2016)；

2) 在处理中去除和压制任何同监测目标无关的干扰信号；

3) 最后，扫描计算本身压制可能的残余干扰 (梁北援和冷传波，2016).

由对地面一般的监测环境的观测和分析 (梁北援等，2016)，即使在布设台网时选择了安静点布台以躲避较强干扰，可视的或隐含的干扰仍然存在，临时出现的干扰也几乎不可避免.因而，在投入扫描计算前就不得不经历压制和去除噪声的过程.否则，数据中含有大量的外来能量，在台站数不多的情况下，常常不会产生有意义的扫描输出；或这个过程不完善，残余干扰过大，或简单删除的记录过多, 即投入计算的台数较少，就会使干扰在扫描输出中占统治地位，无法解释 (例如，Wu et al., 2014).

因而，在时间、频率、和空间域，我们必须在去噪过程中搜寻、压制或去除下列干扰，

1) 任何在周期上可能重复的记录，如抽油机运行产生的周期性激励；

2) 任何携带较高能量的窄带频率，如具有固有频率的机械运行产生的谐共振；

3) 凸显的任何较大振幅，如附近的车辆行驶；

4) 台站间可能相关的记录，如远震、上述噪声源干扰了多个台站；等等.

一个显然的问题是，VS本身即是试图发现淹没在噪声中有用的微震信号在各台之间的相关性，如何在去噪中区别上述干扰和有用信号？在时间域搜寻和去除有规律的周期性干扰，不会伤及有用微震信号，因为后者很难有较准确地周期性重复；搜寻和去除任何携带较高能量的窄带频率，涉及的频带极窄，通常在±0.1 Hz以内，而到达地面的微震频率范围远高于这个窄带.

由于地下微震的微小，地面台网基本上不可能直接看到记录中它们的凸显初至 (梁北援等，2015)，对于少数台，如小于3或4个台，受到凸显的较大振幅的干扰的压制去除，除非恰巧微震记录就隐含在其中，通常也不会涉及有用信号.

此外，这类凸显干扰的波形同微震事件的完全不同，可以辨别.如车辆干扰的振幅呈由小变大再由大变小的多普勒效应；又如，较远的天然震，其横波 (S) 和纵波 (P) 的到时差远大于目标域内微震的；再如，抽油机运行时引起的油气向较浅空腔急速运移造成的较大振动，没有或几乎没有S波辐射，其P波初动较地震的也显著的有一个较长的逐渐启动过程.

那么，剩下两类干扰值得注意.一是隐含在记录中的各台均受到影响而可能互相关的干扰，如远震、车辆、油气急速运移等；二是在监测期间，除目标 (如压裂) 附近有微震活动外，通常在监测域内也会触发不少与目标几何上无直接关连的微震 (群)(例如，梁兵和朱广生，2004；Shapiro，2008；Maxwell, 2014).对于后者，只能在解释中由其空间位置加以辨别.而对前者，则依赖于向量扫描的方向性以及扫描输出的能量分布特性.予以区别 (图 3)，但将在专门讨论解释扫描输出的文章中另行讨论.

2.2 一般噪声干扰及其压制去除

在地面微震监测中，最常见的干扰是：

1) 油气田开发区的抽油机 (或其他类似的工程机械) 造成的可能由地下油气急速运移引起的小震；

2) 具有固有频率在地面地下运行的机械所导致的多阶谐振 (类似驻波并携带较高能量) 的窄频记录 (俗称“葫芦状”)；以及

3) 地面车辆和人员运动.

表 1列出了VS去噪过程的基本步骤、内容、和每步要压制去除的可能噪声源.其中第1~7项是常规过程.第8~11项是压制去除上述几种有规律或可近似为有规律的噪声，可以查明规律去除或适当压制，由于这几项去噪任务较重且稍复杂，将在下三节中仔细讨论.第12项的振幅补偿，是执行VS的必要过程，类似于勘探数据处理的矫正和补偿；或者说，我们将所有台点在4D空间移到一个参考点，再考察它们的相关性 (梁北援和冷传波，2016)；振幅补偿有利于压制背景噪声.表中所谓时段，其长短依监测性质确定，如压裂监测可短为若干秒至分钟，而对长期微震活动的监视每个时段就可以较长.各步骤由程序按顺序自动完成.

去噪步骤的顺序是由噪声源的干扰程度、和压制去除它们的方法决定的.例如，通常“葫芦状”记录 (类似共振) 对振幅影响最大，使用带阻滤波消除后，可能的抽油机的周期振动、远震、车辆、甚或较小的“葫芦状”的影响才显露出来.另外，如同扫描计算一样，有些去噪步骤需较长的机时，如在一个台三个分量中搜寻数个较近处的抽油机的直到毫秒级的不同振动干扰周期，对一个2分钟时段，单线程运行可达几十秒，故程序应当调用多核多线程按表 1的顺序对各台各分量数据实施平行计算去噪.

2.3 带阻滤波

相对带通滤波，带阻滤波所设计的滤波函数是压制一定窄带内 (如15.775±0.05 Hz) 的频率所携带的能量.通常所遇到的需要进行带阻滤波的数据主要是指由台站附近机械运行导致的类似驻波的“葫芦状”记录 (图 4、图 5和表 2).它们的特点是：

1) 类似驻波的共振，干扰振幅较大；

2) 目视看含1-N个频率的葫芦状振动，或大葫芦套小葫芦，成为至少2阶以上的谐振；

3) 每个频率带通常较窄，宽度 < 0.1 Hz，但也有极个别宽度>1 Hz的；

4) 这类干扰对3个分量的影响并不一致，显然同振源特性及相对台点的位置有关，滤波时可对各分量分别实施.

图 4上图是一次监测中受“葫芦状”干扰的记录，即使布台时得到的是安静点定义的合格平均振幅.在油气开发区，这类现象也常见.在仅有数十台记录的扫描计算中，只要存在一个这类振幅相对很大、且有规律的干扰台站记录，就可能输出假象 (例如，Wu et al., 2014).

带阻滤波在信号处理文献中均可查到 (例如，程乾生，2003；周浩敏，2001).我们这里采用的是Press等 (1997)在时间域的带阻滤波方法，为的是在自动化过程中控制滤波的轻重程度；无论带通还是带阻，在时间域滤波10次约等于频率域滤波一次.然而较重要的问题是，首先要在带通滤波的带宽内，搜寻到干扰频率及其相应带宽，如表 2与图 5所示，并确保不重复已处理过的干扰频率带；因而，频率域振幅倍数是一个重要的搜寻参数.通常只要目视时间域的波形没有显著的“葫芦状”残留，即可确定这个参数.万一个别台不能在默认倍数的自动化处理中得到有效压制，可以单独修正再处理.

对图 4中典型的“葫芦状”记录的具体振源，我们在台网附近看到了好几台悬臂破路机在工作.在油气田开发区，常常监测区域内可有数个到数十台抽油机在运行，也时常记录到“葫芦状”.任何机械、建筑均有其 (多阶的) 固有频率；破路机和抽油机架均为类似悬臂梁的机械.破路机冲击地面、抽油机的活塞上移引起的空腔造成的油气急速运移均为一个激励，有的恰好与其固有频率耦合，会引起多阶频率的谐波共振 (例如，刘延柱等，2011；赵子龙，2014).

2.4 抽油机引起的类似爆破的干扰压制

这类干扰在油气开发区比“葫芦状”干扰要广泛得多，特别是在油井密布的区域.我们判断这类干扰振动源可分为两种.一是由于抽油机的维护欠佳，造成机箱内部或某个部位定时有一次响动，像重锤的敲击；另一类很可能是上节谈到的，由于地下活塞上移引起的空腔造成的油气急速运移的振动.两种均为力学性质的类似爆破的干扰源，但后者很可能是主要原因.

此类干扰在波形上的显示特点为 (图 6和表 3)，

1) 类似勘探的爆破，依振源远近深浅方位不同对三个分量影响有所不同；

2) 往往对一个台有多个拥有近似或不同的运行周期的抽油机同时干扰；

3) 能够看到的扰动似乎是等周期的，但仔细分析发现，每次振动的周期，由于主要是油气运移的效应，而非绝对地由电气控制，相差直到几十毫秒不等；

4) 特别的，由于是油气运移的效应，每口井地下不可能总保持一个不变的运移力学环境，故能够发现，这些振动的波形也可能在若干分钟内发生变化.所幸的是，在几分钟内，这些振动的波形变化很小，或者说，这些变化也是逐步的；等等.

在一个短时期内，如2~3分钟，一台抽油机对一个台的影响变化不大.然而，这种干扰压制或去除的问题是，由于野外安静点的选择，事实上面对的仅是依稀可见的多个抽油机干扰，甚至已经不可见 (图 6)，过去曾用过的寻找初至的峰值去除法无效，但它们仍然是有一定规律的噪声，必须去除.

使用数字信号处理中的相关性思路 (例如，程乾生，2003；Press et al., 1997)，或勘探中使用的Semblance叠加 (Sheriff，1991)，我们将他们对单垂直分量不同道的相关性比较方法转用于一个台或分量的不同时期的反复振动之间的相关性分析.于是有下面的相关性判别因子r：

(1)

式中，P表示一个周期，例如P=样点1，N；式 (1) 首先对M个相似周期内的所有样点实施相位叠加，平方后再对这个周期内的N个样点求和，r大小的范围是[0, 1].当r大时，表示相对误差小，则此周期各时段的相似性就好；反之，相对误差能量就大，相似性就差.对相似性较高的周期，可获得此期间内的振动模型

(2)

然后反号送入记录中去，即可消除此期间的抽油机的干扰.

具体执行 (1) 和 (2) 式时，需小心两点：

1) 每一P的起始点如何确定？最简单的办法是搜寻所有可能的P，直到数值上小数点后有效数字第3位 (毫秒或记录样点)；由于每次振动的周期，可能相差几到几十毫秒不等，故应适当错动，寻求最好的P的起始样点；

2) 每次判别1个最大能量的周期，并去除相应的振动数值模型.之后，剩余的周期振动会较易判别，如此循环，直至r不大时.

何谓大和不大时的r值？如果你把观测点置于距抽油机很近的地方，得到非常清晰的振动初至，振幅很大，比如是背景噪声的几倍以上，大概这个r就接近于1，如0.7以上.既然可以去除这个干扰，就可以不顾及台点是否受抽油机干扰了么？任何方法都不是完美的，比如图 5的例子，干扰频率12.36±0.24 Hz (搜寻到的最大值) 被滤掉后，在这个带宽内产生了一个“凹槽”，它的槽边可不是规规矩矩的直立陡边，而是一个渐进的由深到浅的缓慢过渡，这个频带的振幅越大越宽，这个渐进过程就越长.换句话说，损伤有用信号的可能性就越大 (我们的S/N原本就小于1).因而，为了保证监测质量，在数据采集中仍然要使用安静点定义 (梁北援等，2016) 尽力避开抽油机.这时，作为重要的去噪参数r，面对记录中仅仅是依稀可见的、甚至已经不可见的多个抽油机干扰，必定较低，如 < 0.7.实际执行去噪时，每次仅去除一个相应最大r的周期振动噪声，最后停止在r与全部搜寻过程的平均r比较大致2~3倍即可.例如，通常在油气生产区，发现所有搜寻周期的平均r < 0.1.对个别台的记录，可以使用特殊的r.

图 6和表 3是一个在开发区去除或压制抽油机振动干扰、也显示了数据整理和去噪全过程的例子.经过滤波后，大批抽油机运行引起的周期性振动和谐波共振被去除了，从而有效地满足了向量扫描的必要条件.

2.5 压制去除其他外来能量干扰

有些干扰，如车辆行驶、人员和动物行走、短时强电磁场、远震、抽油机引起的油气运移的偶然强激励等，在周期上没有什么规律，在频率上也是宽频干扰.若说有什么规律的话，就是振幅凸显.例如，车辆振动在振动力学教程中曾被简化为拥有两类固有频率，即上下和前后仰俯两个固有频率 (如，刘延柱等，2011；赵子龙，2014)；但我们在处理中反复观察，除了看到这种干扰振幅呈由小变大再由大变小的多普勒效应外，没有发现特殊的携带较高能量密度的频率.我们统称这类干扰为其他外来能量 (OE-Outside Energy)，同监测目标无关，必须压制或去除.

对一个时段，较强较长的这类干扰，适当调整表 1第10项的参数，一般可以去除.当然亦可在监测中采取行政措施减少此类干扰.通常情况下，我们对每个分量做出短窗口 (如20~50 ms) 的平均值的包络线；随后，检查各台的包络线在秒内是否图形相似，只要有3~4个台相似，即可认定这是一个台网整体受到的干扰，必须去除；或说以此干扰的长度为界，将这个大的时段分离为相应的不含这个干扰的子时段.

去掉台网整体受到的干扰后，对每个台或分量，一般仅剩下短期 (ms到s左右) 的可视稍强的振幅干扰.在此短期时长内，即使存在有用信号于其中，由于较大振幅的干扰，不可能在扫描中起到好的叠加作用.我们采取的办法是，这种短时干扰不起好的作用，也不允许它起坏作用，可将此台删去；或者令此短干扰期内的数据为0或缩小到本分量平均振幅以下，而使此台的其他记录可以正常叠加.

经此步骤后，再经振幅补偿，我们一般可获得满足VS所要求的小振幅随机噪声的记录.若在监测前进行试处理，适当调整自动化处理参数，在正式监测中，可合并规模很大的数据筛选、扫描计算、和通信传输各个过程，成为一个整体，这在实时或近实时监测中极为有利.顺便提到，若要近实时跟上记录和监测上传报告速度，在使用Intel/i7处理器时，需16核32线程以上的平行计算能力.图 6下图也显示了进一步去除或压制OE的效果.

2.6 计算过程

梁北援和冷传波 (2016)已详述了扫描计算的原理和公式.这里，需要补充的是，使用多大的样点间隔实施计算？在数据采集中通常使用≤1 ms的样点数据存盘备用，实时传输和投入处理计算的数据可从中抽取.

经反复试验，比较各种样点间隔的扫描结果，得知使用1和2 ms的扫描结果基本一致，而用4 ms时则差别较大 (图 7).另一类观察可作为佐证：在检查去除抽油机干扰的程序时，发现使用1 ms，干扰振动 (或最大相关) 峰值处几乎总是并排间隔1 ms有两个样点.这表明，可用2 ms在监测时加快传输、去噪、和计算速度，而不会影响扫描质量.既然≤2 ms可用，而4 ms不可靠，为安全起见，自数据传输始，直到扫描计算，除非特殊情况，可使用2 ms的样点间隔.

2.7 抽油机干扰的利用

第1章曾经谈到，若供插值的原始数据不足，所构建的3D速度模型过于简单，扫描的误差就可能较大.于是，有些地面微震监测的团队利用射孔 (例如，MSI-MicroSeismic Inc.)，甚至另行爆破来反演地下的速度结构.除了第1章中谈到的措施外，在抽油机较为密集的监测区域，可利用抽油机引起的及监测区域内其他振动记录，同时实施振源定位和反演速度结构的迭代计算.这样做的好处是，这些振动的记录可以很清晰，来源不断，不必动用炸药，或者当射孔药量不大时很勉强地使用误差很大的初至实施反演.

实施振源定位是人们熟知的 (例如，傅淑芳等，1980；孟晓春，2005)，但注意抽油机所引起的振动源不一定是井口或浅近地表.反演速度结构的过程 (例如，Menke, 1989; Nolet, 2008) 简述如下：设第n个观测到的振动初至 (t_On)、和通过初始速度模型进行射线追踪得到的记录到时 (t_Tn) 差为

(3)

式中，v为3D空间中射线经过的任一点的速度，l为路径.或者，令慢度s=1/v,

(4)

使用最小二乘法，可由≥n个初至组成求解n个点速度值的n阶线性方程组，可得地震波速度模型的矫正向量.若将定位与解方程联合反复多次使用，可得调整后的地震波速度模型及振源位置 (x, y, z, t).如果有兴趣的话，可分析台的初至记录处的波形，以获得震级M，它反映了各井地下油气运移环境的特性.

具体执行时，可在正式微震监测前，作为处理准备的一部分，先实施速度反演.即，将台点插入到抽油机群中，记录几分钟即可.处理时，对每一事件提取初至，它们应当是P波的，但垂直和水平分量的均可能很清晰.随后迭代执行定位以及 (4) 式，获得台网-抽油机覆盖的、一定深度的3D速度分布.事实上，这类反演可定期或不定期的在开发区实施，以观察地下速度结构的变化.

3 结论 3.1 向量扫描中数据处理的结论

为满足微震监测中应用VS的必要条件，即获得小振幅的随机记录，在数据处理中，必须数值化地判断凸显的、或隐藏在背景噪声中的有规律的干扰.目标区内外与监测目标无关的干扰源的记录被视为外来能量，应去除或压制；换言之，依然是尽力提高有效信噪比.

数据处理的主要任务是：

1) 处理准备，包括扫描几何设计、构建监测目标区的速度模型、与计算扫描体内各点的地震波射线传播到达各观测点的走时和入射参数表；

2) 判别、去除、和压制各类干扰噪声；

3) 投入扫描计算.

所谓小振幅的随机背景记录，作为去噪后达到的目标，应当是：

1) 远处无穷个振源及观测点附近弱电磁场干扰的组合，是无规律或时空上不可预报从而也不可能去除的波动；

2) 这些背景噪声的振幅应尽可能的小；

3) 有效频率带内，每个频率携带有差别不大的能量密度，即接近白噪声.

因而，在时间、频率、和空间域，必须在去噪过程中搜寻、压制或去除下列干扰：

1) 任何在周期上可能重复的记录；

2) 任何携带较高能量的窄带频率；

3) 凸显的任何较大振幅；

4) 除有用信号外，台站间可能相关的记录；等等.

要正确地实现数据处理的工程化，主要是软件的高度自动化，需要将VS的必要条件、物理等科技知识、经过验证的观测结论、和计算经验实现数值化，融入到一个专家系统中.

3.2 判断应用向量扫描可行可靠的监察简则

为了使他人能够重复VS或类似方法在微震监测中的应用，也为了使应用方能够判断服务方的这类应用是否正确、可行、和可靠，我们在此单辟一节，简要列出在原理理解 (梁北援和冷传波，2016)、数据采集 (梁北援等，2016)、和本文叙述的数据处理等过程中实施的关键要点，或监察简则.我们就是按此监察项目施工过程的.因为到此为止，从地震学角度，若全部圆满而严格地实施VS，对扫描输出的解释就不会有大的异议，尽管还有不少工作要做.对于我们的解释工作的基础知识、原则、过程、和实例，将另文讨论.

这些关键要点，或监察简则是：

1) 应用必要条件1：一般使用S波，即至少有Sv、Sh和S三种能量输出；

2) 应用必要条件2：较小振幅的背景随机记录；

3) 速度模型准备、射线追踪、计算等要考虑超出地面监测时误差范围的地形高差；

4) 三分量台站；

5) 检波器的自然频率是否较低 (如，≤7 Hz)；

6) 采样间隔是否≤2 ms；

7) 检波器外形是否与大地高度耦合 (如螺旋形外壳)；

8) 台点距诸如压裂车等强干扰源的近边界约在1km；

9) 布设台网是否选择了安静点，而不是等距等角或凭人工感觉布放；

10) 排除监测区域内所有强干扰源影响范围后，以满足安静点数值定义离散布设台点；

11) 台点距强干扰源的的远边界，应服从安静点定义和越接近监测目标越好的原则；

12) 整理数据和去噪过程的12步 (表 1)，缺一不可；

13) 投入计算的每时段的台站数一般应≥10，即叠加时具有统计意义；等等.

上述条件，一个不满足，就可能导致VS的应用失败，或者说，这个应用是不可靠的.

事实上，除此以外，我们在研发过程中遇到的涉及到应用向量扫描可行可靠的因素举不胜举.如：数学物理、天然和勘探地震学、地质学、石油工程、统计误差、信号处理、及数值计算等知识；专有微震仪器台网保障中的传感器、模拟电路、数字电路知识；仪器制作者与计算者的控制软件编制能力和物理数据观测经验；强大的编制应用软件的能力、数值化地检查程序和监管施工过程的能力、将知识与可靠经验数值化为数理公式与逻辑编码，即人工智能或专家系统的科研所要求的必要条件 (例如，敖志刚，2010)；等等.

致谢 作者感谢中石化和中石油及其有关所属单位在十余年内提供的科研实验项目，以及他们的技术专家在我们整个研发过程中给与的有益建议、质疑、和讨论.作者感谢《地球物理学进展》的辛勤编辑工作和审稿者严格细致的审查.作者特别致谢微破裂向量扫描技术研发团队的地震学家、地质学家、工程师、和管理者，感谢他们十余年间坚持不懈的、严格的、和艰苦的工作.