地球物理学进展  2017, Vol. 32 Issue (2): 657-663   PDF    
地震勘探中基于形态成分分析的抽油机噪声衰减方法
李学良1,2, 王晓凯1,3, 赵昊1,2, 陈文超4     
1. 中国科学院地质与地球物理研究所油气资源研究室, 北京 100029
2. 中国科学院大学, 北京 100049
3. 西安交通大学计算地球物理科学系, 西安 710049
4. 西安交通大学信息与通信工程系, 西安 710049
摘要:抽油机的工作运行噪声对老油区二次地震勘探有严重的影响,会大幅降低采集到的地震信号信噪比.本文在抽油机噪声干扰特征研究的基础上,利用抽油机噪声干扰和有效反射信号的空间形态特征不同,提出一种小波域基于形态成分分析的抽油机噪声迭代衰减方法.最后将所提出的方法用于合成信号及成熟油田实际采集的地震信号,以说明本文方法的有效性.
关键词抽油机噪声    形态成分分析    频散    小波变换    
Well-pump noise attenuating method based on morphological component analysis
LI Xue-liang1,2 , WANG Xiao-kai1,3 , ZHAO Hao1,2 , CHEN Wen-chao4     
1. Institute of Geology and Geophysics, Chinese Academy of Sciences, Beijing 100029, China
2. University of Chinese Academy of Sciences, Beijing 100049, China
3. Department of Computational Geophysics, XI'an Jiaotong University, Xi'an 710049, China
4. Department of Information & Communication Engineering, Xi'an Jiaotong University, Xi'an 710049, China
Abstract: The well-pump noise has serious effects on the seismic exploration of maturing oil-field. It will reduce signal's signal-noise ratio. Based on the characteristics of well-pump noise, we propose a MCA-based noise attenuating method which utilize the different spatial features between well-pump noise and reflective waves. Finally, we apply proposed method to synthetic data and oil-field data to illustrate the effectiveness of proposed method.
Key words: well-pump noise     morphological component analysis     frequency dispersion     wavelet transform    
0 引言

随着经济发展和石油市场的需求,老油区的二次高精度勘探以及深层地震勘探成为勘探重点.多年的油田开发增加了老油田地震勘探的难度,在勘探过程中,抽油机等噪声源不断出现,污染野外单炮记录,严重影响了资料信噪比.目前在二次采集时为了提高资料品质,油井需要停止抽油机生产,这样会造成极大的经济损失.因此,需要对油井抽油机所产生噪声的传播机制以及噪声对地震有效反射波影响程度进行研究,努力实现老油区不停井的地震采集方法及相应的处理技术.若能消除抽油机噪声干扰,实现不停抽油机进行地震生产,既提高生产效率又节约了成本.

抽油机噪声在成熟的地震采集工区广泛存在 (例如大庆油田、胜利油田等),由于其数量众多,是影响油田开发区地震勘探的主要干扰源之一.为了能够准确地认知这种噪声特性,有研究人员采用方形检波器阵列观测、单检波接收等方式观测抽油机噪声 (樊德华等,2008张光德,2013),较为系统地分析了频率、速度、衰减等特征,并指出抽油机噪声对叠加剖面有明显的影响,必须采用一定的噪声压制技术去除抽油机噪声,改善资料品质.

矢量组合噪声压制主要根据有效信号和噪声的传播方向及传播速度不同,改变检波器之间的组合参数 (例如排列方式,检波器之间的距离等),从而达到加强有效信号、压制噪声的效果 (吴龙丽,2010王鑫,2011).当噪声的频率成分比较简单时 (例如只有一个单频干扰且干扰源位置已知的情况下),通过调整检波器组的组合方式,会有明显的压制效果.然而在实际生产中,每口井抽油机与检波器排列的位置关系是不同的;成熟采油区域往往存在多个抽油机干扰源,每个干扰源含有多个频率的干扰.一种组合方式不可能同时将众多干扰源产生的噪声同时压制.因此,矢量组合的方法只能简单适用于单口抽油机产生的噪声,且同时需要根据抽油机的不同性质改变组合方式,增大施工难度.

信号重构消去法压噪常利用初至前噪声信号的频谱以及抽油机干扰的周期性,预测得到整道噪声的频谱,进而预测整道的噪声干扰,最后利用接收到的信号减预测的噪声来获得有效信号 (Nyman, 1983;段云卿等,2006高少武等, 2009高少武等, 2011).通常情况下,抽油机干扰的振幅是随时间缓变变化的,导致干扰的周期性变差;另外在成熟生产区,多个抽油机干扰源的多个频率干扰,使得抽油机噪声的周期性变差,因此无法有效的预测噪声干扰.

由于抽油机噪声在炮集上表现为强振幅特性,因此有学者采用异常振幅压制方法来压制抽油机噪声 (王世青等,2006陈志德等,2010).异常振幅压制为处理软件中的常用模块 (OMEGA,CGG均有此模块).抽油机噪声表现为多个单频干扰,虽然采用模块能够将多个强单频干扰压制,但是由于有效波的频带范围较宽,往往覆盖抽油机噪声所在的频率,因此压制强单频干扰的同时也会压制该频带的强有效反射波.

形态成分分析 (MCA) 是最新提出的一种基于稀疏表示的信号分离方法.主要思想是利用信号组成成分的形态差异性进行分离 (Starck et al., 2004).如图 1a所示,合成信号内既包含有点状信号,又包含有线状信号.使用各向同性非抽取小波变换和脊波变换来分别稀疏描述点状信号和线状信号,采用MCA方法分离出的点状信号和线状信号如图 1b图 1c所示.

图 1 应用MCA分离测试信号 (a) 合成信号; (b) 分离出的点状信号; (c) 分离出的线状信号. Figure 1 Application of separating signals with MCA

地震信号处理中,MCA已经被用于工业电干扰压制、面波去除等方面,并取得了明显的效果 (Xu et al., 2013陈文超等,2013).图 2为MCA方法应用于某地震剖面 (Xu et al., 2013),(a) 图为含有工业电干扰的原始信号,(b) 图为应用陷波方法去除工业电干扰后的剖面,(c) 图为应用MCA方法去除工业电干扰后的剖面,(d) 图为应用陷波方法去除的工业电干扰,(e) 图为应用MCA方法去除的工业电干扰.可以看出,相比于传统的陷波方法,MCA方法抑制工业电干扰效果更好,同相轴更加连续.

图 2 MCA方法用于工业电干扰压制结果示意图 (a) 原始记录; (b) 陷波方法压制结果; (c) MCA方法压制结果; (d) 陷波法去除的干扰; (e) MCA方法去除的干扰. Figure 2 MCA method for industrial electrical interference suppression results

本文主要研究抽油机噪声的衰减方法,提出基于形态成分分析的抽油机干扰压制迭代方法:采用形态成分分析中的分块坐标松弛算法,利用抽油机干扰和有效信号的在空间上以及频带上特征不同,以此来压制抽油机干扰,并用合成信号算例及实际资料处理验证方法的有效性.

1 方法与理论 1.1 抽油机噪声干扰特征

针对在某油田用方形检波器阵列采集到的典型抽油机噪声展开分析,方形检波器阵列和抽油机位置示意图如图 3所示.方形检波器阵列长和宽均为50 m,检波器间隔为2.5 m,共有21个排列,每个排列21个检波器 (检波器下方的数字为检波器序号), 抽油机在阵列正北方25 m处 (设抽油机的相对坐标为 (0, 0)),检波器采集到的抽油机噪声时长为100 s.我们对方形阵列采集到的抽油机噪声从如下四个方面开展分析研究,得到发现如下规律:

图 3 方形检波器阵列和抽油机位置示意图 (a) 方形检波器阵列和抽油机位置; (b) 方阵单检观测信号; (c) 组合观测信号. Figure 3 Square detector array and the position of well-pump

(1) 走时规律:各检波器接收到的抽油机噪声的时差是以井点为圆心的对称分布,视速度约为147 m/s,说明抽油机噪声沿地表传播.

(2) 能量衰减规律:随着检波器与抽油井间距离的增加,噪声能量随之逐渐衰减,衰减规律比较明显,接近按照指数规律衰减.

(3) 频散特征:不同频率的噪声有着不同的传播速度,且传播速度随着频率的增大而逐渐减小,并趋于稳定.

(4) 组合接收:采用组合接收会大大降低相邻道抽油机噪声之间的空间相关性.

1.2 基于形态成分分析的抽油机噪声压制方法

目前的地震数据采集基本上都采用组合接收.组合接收一方面使得抽油机干扰得到一定压制,但另一方面使得残余的抽油机干扰变得较为复杂,造成时间空间可预测性变差.针对此种问题提出了基于MCA理论的抽油机干扰压制方法.

对于待分析信号,假设其由两种形态成分线性组合而成,即s=s1+s2,其中信号s1s2分别代表两种不同结构类型的信号分量.假设含有抽油机干扰及背景噪声的地震信号为s(t),公式为

(1)

其中s1(t) 为抽油机干扰,s2(t) 为有效信号,noise(t) 为背景噪声.将上述信号写成向量形式为

(2)

利用基于时变余弦拟合方法得到的初步结果为

(3)

其中s1(0)表示抽油机干扰的初始结果,s2(0)表示有效信号的初始结果.利用s=s1(0)+s2(0)做为初始向量,采用MCA理论中著名的分块坐标松弛算法 (Bruce,1998) 迭代多次后得到:

(4)

其中s1(end)表示对s1的估计,s2(end)表示对s2的估计,则可以压制抽油机干扰以后的地震信号为s-s1(end).

选取已采集到的某束线中的两炮记录,如图 4所示.该炮记录中含有严重的抽油机干扰,如红色区域内所示;而地层的反射信号如蓝色区域内所示.从图 4以及图 5中采集到的抽油机噪声的分析可以看出有效反射信号和干扰信号在形态特征上的差异:有效反射信号在空间上有很强的相关性,频带范围更宽;而干扰信号在空间方向上几乎没有相关性,且频带范围较窄.因此将分频思想与MCA相结合,给出基于MCA理论的抽油机干扰压制迭代方法,其流程示意如图 6所示.简述该流程如下:

图 4 含有抽油机噪声干扰的两炮记录 Figure 4 Two shots containing noise of well-pump

图 5 图 4中噪声和信号的频谱分析 (a)图 4红框中噪声的频谱分析; (b)图 4蓝框中信号的频谱分析. Figure 5 Spectrum analysis of signal and noise in Fig. 4

图 6 抽油机干扰的迭代压制方法流程示意 Figure 6 Procedure of Iterative noise suppression method of well-pump

(1) 有效信号部分和干扰部分的初始化

首先可采用多种方法 (例如:带通滤波、时变余弦拟合等) 获得初始信号以及干扰部分.此时不要求需要精确的初始信号,甚至可以采用原始地震记录做为初始信号,同时干扰部分为零.

(2) 对信号部分及干扰部分进行时频分解

可采用多种时频分解方法 (短时傅里叶变换、小波变换、S变换等) 对有效信号部分和干扰部分进行分解.

(3) 信号部分和干扰部分的相互更新

对信号部分做时频分解后,在干扰部分所在的频带范围内提取空间上不相关部分,并与干扰部分相加;对干扰部分做时频分解后,在所有频带上寻找空间上强相关的部分,并与信号部分相加.

对上述过程迭代多次,直到信号部分和干扰部分保持不变.

2 资料处理

将所提出的抽油机干扰压制的迭代方法用于合成信号 (含抽油机干扰),如图 7所示.图 7a为合成记录,含有严重的抽油机干扰.图 7b为本文方法压制抽油机干扰的结果,可以看出抽油机干扰被有效压制,与未收到抽油机噪声影响的信号相比,振幅相对误差大约为0.02.图 7c为被压制的干扰展示,未见明显的反射波信号,说明了本文方法的有效性.

图 7 合成抽油机干扰压制效果展示 (a) 原始单炮记录; (b) 压制干扰后的结果; (c) 压制的干扰展示. Figure 7 Effect of synthetic well-pump noise suppression

另外两炮记录如图 8所示,含有严重的抽油机干扰.图 9为采用商业软件压制结果展示, 虽然大部分干扰被去除, 但是仍有部分干扰的残余.本文提出的抽油机干扰压制方法压制干扰的结果如图 10所示,抽油机干扰被有效压制.未见明显的反射波信号,在红色圆形区域内,信号保留明显优于商业软件结果.实际处理中,直达波是需要切除的,因此不影响后续处理结果.

图 8 原始单炮记录 Figure 8 The Raw shot record

图 9 利用商业软件压制结果 Figure 9 The suppression results of the commercial software

图 10 利用本文方法压制结果 Figure 10 The suppression results of the MCA method

利用商业软件压制掉的干扰如图 11所示,虽然大部分为干扰,但仍有部分有效反射信号 (红色椭圆形区域内).利用MCA方法压制掉的干扰如图 12所示,基本全部为干扰,未见有效反射信号.

图 11 利用商业软件去除的干扰 Figure 11 Difference of noise Removal using commercial software

图 12 利用本文方法去除的干扰 Figure 12 Difference of noise Removal using MCA

图 13为利用商业软件压制干扰后偏移剖面的局部放大,由于抽油机干扰的存在,造成同相轴横向连续性明显变差.图 14为利用MCA方法压制干扰后偏移剖面的局部放大,干扰进一步被压制,且同相轴的连续性明显变好.

图 13 利用商业软件压制干扰后的PSTM剖面 Figure 13 PSTM of the noise suppression using commercial software

图 14 利用本文方法压制干扰后的PSTM剖面 Figure 14 PSTM of the noise suppression using the MCA
3 结论与展望

本文针对成熟采油工区地震勘探中的抽油机噪声干扰衰减展开研究.在抽油机噪声干扰特征的基础上,利用抽油机噪声干扰与有效反射波在空间形态特征上的不同,提出了基于形态成分分析的抽油机噪声迭代压制方法,并将其用于合成信号,验证了方法的有效性.实际油田数据结果表明,无论是在单炮记录上还是偏移结果上,本文提出的方法能够有效压制抽油机噪声干扰.

致谢 感谢胜利油田在数据采集及处理上给予的大力支持,同时感谢国家自然科学基金 (41504092,41274125)、中国博士后基金 (2015M572567,2016T90925) 以及中央高校基本科研业务费专项资金资助的资助.
参考文献
[] Chen W C, Wang W, Gao J H, et al. 2013. Sparsity optimized separation of Ground-roll noise based on morphological diversity of seismic waveform components[J]. Chinese Journal of Geophysics (in Chinese), 56(8): 2771–2782. DOI:10.6038/cjg20130825
[] Chen Z D, Zheng X J, Guan X, et al. 2010. Separate frequency technique for anomalous amplitude noise of the seismic data in Daqing placanticline[J]. Petroleum Geology & Oilfield Development in Daqing (in Chinese), 29(5): 164–167.
[] Duan Y Q, Xu X H, Gao X Y. 2006. The recognition and suppression of single frequency interference wave in time domain[J]. Geophysical & Geochemical Exploration (in Chinese), 30(3): 266–269, 275.
[] Gao S Q, Zhao B, He Z H, et al. 2009. Elimination of adaptive mono-frequency interference based on cosine function[J]. Process in Geophysics (in Chinese), 24(5): 1762–1767. DOI:10.3969/j.issn.1004-2903.2009.05.029
[] Gao S Q, Zhao B, Zhu S Y, et al. 2011. Identification and elimination of monofrequency interference in seismic data by an autocorrelation algorithm[J]. Chinese Journal of Geophysics (in Chinese), 54(3): 854–861. DOI:10.3969/j.issn.0001-5733.2011.03.026
[] Starck J L, Elad M, Donoho D L. 2005. Image decomposition via the combination of sparse representations and a variational approach[J]. IEEE Transactions on Image Processing, 14(10): 1570–1582. DOI:10.1109/TIP.2005.852206
[] Xu J, Wang W, Gao J H, et al. 2013. Monochromatic noise removal via sparsity-enabled signal decomposition method[J]. IEEE Geoscience and Remote Sensing Letters, 10(3): 533–537. DOI:10.1109/LGRS.2012.2212271
[] 陈文超, 王伟, 高静怀, 等. 2013. 基于地震信号波形形态差异的面波噪声稀疏优化分离方法[J]. 地球物理学报, 56(8): 2771–2782. DOI:10.6038/cjg20130825
[] 陈志德, 郑锡娟, 关昕, 等. 2010. 长垣油田地震异常振幅噪声分频压制技术[J]. 大庆石油地质与开发, 29(5): 164–167.
[] 段云卿, 徐小红, 高兴友. 2006. 时间域单频干扰波的识别与压制[J]. 物探与化探, 30(3): 266–269, 275.
[] 樊德华, 段云卿, 张婉, 等. 2008. 三维地震勘探抽油机噪声特征分析[J]. 石油地球物理勘探, 43(6): 662–667.
[] 高少武, 赵波, 贺振华, 等. 2009. 基于余弦函数的自适应单频干扰消除[J]. 地球物理学进展, 24(5): 1762–1767. DOI:10.3969/j.issn.1004-2903.2009.05.029
[] 高少武, 赵波, 祝树云, 等. 2011. 自相关法单频干扰识别与消除方法[J]. 地球物理学报, 54(3): 854–861. DOI:10.3969/j.issn.0001-5733.2011.03.026
[] 王世青, 孟小红, 于春玲, 等. 2006. 地震异常振幅自适应压制[J]. 大庆石油地质与开发, 25(5): 112–115.
[] 王鑫. 2011. 基于检波器三维矢量组合的抽油机噪声压制方法研究[J]. 石油物探, 50(3): 295–300, 306.
[] 吴龙丽. 2010. 压制抽油机噪音的三维矢量组合法[J]. 油气地质与采收率, 17(6): 51–53.
[] 张光德. 2013. 高精度地震勘探中单个抽油机噪音特征分析与探讨[J]. 中国石油和化工标准与质量(3): 129–130.