[發明專利]微地震事件自動識別方法及裝置

在審

• 申請號: 202011169836.6
• 申請日: 2020-10-28
• 公開（公告）號: CN112464721A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 劉磊;宋維琪;巫芙蓉;秦俐;曹立斌;劉麗婷
• 申請（專利權）人: 中國石油天然氣集團有限公司;中國石油大學(華東);中國石油集團東方地球物理勘探有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G01V1/28;G01V1/36
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 薛平;周曉飛

本發明提供了一種微地震事件自動識別方法及裝置，該方法包括：構建不同信噪比下的微地震事件樣本和非微地震事件樣本；按照預先設定的標簽對所述微地震事件樣本和非微地震事件樣本添加標簽；采用添加標簽后的微地震事件樣本和非微地震事件樣本，訓練CNN卷積神經網絡模型，獲得訓練好的CNN卷積神經網絡模型，所述CNN卷積神經網絡模型包括6層卷積核和2層全連接層，其中每層卷積核中至少包括一個批量標準化BN層；將實際三分量微地震數據進行預處理后，輸入至訓練好的CNN卷積神經網絡模型，獲得微地震事件識別結果。本發明可以自動識別微地震事件，低信噪比事件識別效果好，不需要人為干預。

技術領域

本發明涉及微地震事件自動識別技術，具體涉及基于深度學習卷積神經網絡的微地震事件自動識別方法。

背景技術

目前，微地震事件識別方法主要有能量比法、AIC算法、多道相似法、多道相關法以及多道掃描疊加法等幾種，其中應用最多的是能量比法、AIC算法和多道掃描疊加法。

能量比法微地震事件識別，利用的是微地震數據中有效事件出現前后振幅(或能量)上的差別，從而判斷是否出現微地震事件。該方法最初由Allen于1987年提出，它利用短時窗振幅平均值與長時窗振幅平均值之比識別地震事件，原理簡單，容易實現，能有效高信噪比微地震事件識別。但對低信噪比微地震事件識別無法取得令人滿意的效果，且沒有考慮微地震事件識別各道信息特征。Massa(2006)等利用能量比法自動檢測微地震事件；Jubran(2012)等采用自適應閾值選取法檢測微地震事件；段建華(2015)等提出了一種基于能量比法的微地震事件自動識別技術并對各類能量比法進行了分析研究。

AIC(Akaike information criterion，赤池信息準則)算法是一種基于自回歸模型的假設算法，微地震事件識別當中假設噪音信號和微地震信號可以用不同的自回歸模型表示，且模型階數不一致。該方法最初由Akaike于1973年提出，方法實現簡單便于計算，適合少量微地震數據事件識別，但對海量微地震數據處理效率有待提高。Zhang Haijing(2003)等在各個尺度的小波分頻結果上進行AIC拾取，判斷有效微地震事件有無；王洪超(2017)年提出了一種Fast-AIC算法的微地震事件自動識別。

還有一些學者在微地震事件識別提出了一些優良算法，如宋維琪(2013)等形成多級檢波器微地震有效事件自動識別方法；錢建偉(2014)提出了基于能量比與多道時差約束的微地震事件識別方法；譚玉陽(2015)等提出基于多道相似系數的微地震事件自動識別方法；劉美麗(2015)等提出基于多道掃描疊加的微地震事件自動識別方法。

然而，實際水力壓裂微地震資料復雜，低信噪比事件多，井筒波，儀器噪音等規則噪音常規方法往往難以拾取準確，且不能判斷微地震事件單，多震相類型。因此，上述現有的微地震事件識別都存在低信噪比事件難以識別，最適閾值選取，事件單震相、多震相判斷需要人為干預等問題。

發明內容

本發明實施例提出一種微地震事件自動識別方法，用以自動識別微地震事件，低信噪比事件識別效果好，不需要人為干預，該方法包括：

構建不同信噪比下的微地震事件樣本和非微地震事件樣本；

按照預先設定的標簽對所述微地震事件樣本和非微地震事件樣本添加標簽；

采用添加標簽后的微地震事件樣本和非微地震事件樣本，訓練CNN卷積神經網絡模型，獲得訓練好的CNN卷積神經網絡模型，所述CNN卷積神經網絡模型包括6層卷積核和2層全連接層，其中每層卷積核中至少包括一個批量標準化BN層；

將實際三分量微地震數據進行預處理后，輸入至訓練好的CNN卷積神經網絡模型，獲得微地震事件識別結果。

本發明實施例提出一種微地震事件自動識別裝置，用以自動識別微地震事件，低信噪比事件識別效果好，不需要人為干預，該裝置包括：