基于指紋和相似性閾值方法的水力壓裂過程微地震事件檢測研究

李秋雨,孟曉波,陳海潮,陳欣星,陳信宇,王麗瑋

(1.成都理工大學(xué)地球勘探與信息技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,成都理工大學(xué),四川成都610059;2.中國石油大學(xué)非常規(guī)油氣研究所,油氣資源與勘探國家重點(diǎn)實(shí)驗(yàn)室,中國石油大學(xué)(北京),北京102249;3.中國石油國際勘探開發(fā)有限公司中油國際(蘇丹)6區(qū)項(xiàng)目公司,北京100034)

近年來,隨著非常規(guī)油氣資源勘探開發(fā)技術(shù)逐漸成熟,水力壓裂技術(shù)在非常規(guī)油氣領(lǐng)域中得到快速發(fā)展,水力壓裂通過井筒向目標(biāo)儲(chǔ)層注入高壓液體,使地層巖石破裂同時(shí)釋放能量級(jí)別較低的微地震信號(hào)[1-3],這些微地震信號(hào)的位置對(duì)應(yīng)壓裂過程中巖石破裂的位置。微地震監(jiān)測通過檢測識(shí)別微地震信號(hào),進(jìn)一步反演得到微地震事件的位置分布,能夠?qū)毫堰^程中產(chǎn)生的裂縫范圍和裂縫發(fā)育情況進(jìn)行實(shí)時(shí)監(jiān)測和反饋,有效分析壓裂作業(yè)效果,及時(shí)調(diào)整壓裂方案[4-5]。

微地震事件的檢測識(shí)別是微地震數(shù)據(jù)處理的關(guān)鍵環(huán)節(jié)之一。由于微地震信號(hào)能量較弱,受噪聲影響較大,微地震事件檢測前首先需進(jìn)行去噪處理,去噪效果也會(huì)極大程度影響微地震事件的識(shí)別和定位效果[6-10]。通常來說,微地震臺(tái)站記錄到的信號(hào)是從震源通過各種路徑傳播到各個(gè)接收臺(tái)站的地震波,因此臺(tái)站記錄包含了地震波在震源處的信息,以及地震波傳播到臺(tái)站路徑受到的影響。同態(tài)反褶積去噪能夠在不改變事件頻率特性的情況下清除地震波從震源到接收臺(tái)站之間因傳播路徑所產(chǎn)生的干擾,主要包括反射系數(shù),使用該方法能夠提高微地震事件的信噪比,便于后續(xù)檢測[11]。微地震檢測方法目前應(yīng)用較廣泛的一種是基于能量的長短時(shí)窗比值(short-term average/long-term average,STA/LTA)方法,STA/LTA方法快速簡單,利用微地震信號(hào)和背景噪聲振幅(能量)的差異,計(jì)算滑動(dòng)長短時(shí)窗的振幅(能量)比值,提取微地震初至。STA/LTA方法能夠有效地拾取高信噪比微地震事件,但是弱信號(hào)檢測精度較低[12-16]。另一種是基于波形相似性的模板匹配方法,該方法通過比較模板地震波形和實(shí)時(shí)波形之間的相似性,識(shí)別微地震事件[17-18]。模板匹配方法能夠檢測到非常低信噪比的微地震信號(hào)[19-20],但是該方法依賴于模板的選擇,在模板數(shù)量多時(shí),計(jì)算其相關(guān)系數(shù)需要大量時(shí)間。YOON 等[21]提出了一種新的波形匹配的思路,將波形轉(zhuǎn)換為指紋,利用局部敏感哈希比較相似度,匹配相似指紋,并命名為指紋和相似性閾值(fingerprint and similarity thresholding,FAST)方法。FAST方法通過將連續(xù)數(shù)據(jù)分成N個(gè)重疊窗口,并將每個(gè)窗口對(duì)應(yīng)波形制作為指紋,壓縮了大量信息,對(duì)比每一個(gè)窗口指紋的相似性,大大提高了計(jì)算效率,其檢測能力與模板匹配方法相當(dāng)。但是在應(yīng)用于采樣頻率較高的微地震數(shù)據(jù)時(shí),由于重疊窗口過多,對(duì)比指紋相似度依然要比較N(N-1)次,體現(xiàn)不出快速計(jì)算的優(yōu)勢。FAST方法是對(duì)單個(gè)臺(tái)站地震數(shù)據(jù)處理,需要利用多臺(tái)站震相關(guān)聯(lián)算法將多個(gè)臺(tái)站識(shí)別結(jié)果關(guān)聯(lián)起來,能夠有效剔除誤觸發(fā)事件[22-23]。

采用單一方法進(jìn)行微地震事件檢測時(shí)各有適用條件和局限性。近年來,利用各種算法優(yōu)勢的綜合分析方法備受關(guān)注。本文以FAST方法為基礎(chǔ),提出了一種微地震事件檢測方法,旨在提高計(jì)算效率的同時(shí),還能夠識(shí)別出低信噪比的微地震事件。本文方法首先利用同態(tài)反褶積去噪方法對(duì)微地震數(shù)據(jù)去噪,結(jié)合了STA/LTA、模板匹配和FAST方法的優(yōu)勢,利用STA/LTA方法獲得模板事件,再利用FAST方法將模板事件和連續(xù)波形制作為指紋,將指紋進(jìn)行匹配獲取微地震事件;進(jìn)一步運(yùn)用“帶噪聲的基于密度的聚類”(Density-Based Spatial Clustering of Application with Noise,DBSCAN)[24]對(duì)多個(gè)微地震臺(tái)站進(jìn)行震相關(guān)聯(lián),去除錯(cuò)誤檢測到的事件。

1 方法原理

本文方法結(jié)合了同態(tài)反褶積去噪、STA/LTA、FAST和DBSCAN方法,其數(shù)據(jù)處理流程如圖1所示。

圖1 本文方法的數(shù)據(jù)處理流程

1.1 同態(tài)反褶積去噪

本文采取同態(tài)反褶積去噪方法[10]分離出微地震信號(hào)在傳播路徑中受到干擾而產(chǎn)生的噪聲。假定傳播通道作為一個(gè)線性時(shí)不變系統(tǒng)(LTI),用卷積對(duì)震源產(chǎn)生的信號(hào)和擾動(dòng)進(jìn)行建模,可以表示為:

r[n]=s[n]?hT[n]

(1)

式中:r[n]為臺(tái)站記錄的地震信號(hào);s[n]為震源處的地震信號(hào);hT[n]為反射系數(shù),表示沿路徑產(chǎn)生的干擾;?表示卷積算子。同態(tài)反褶積,通過將卷積模型轉(zhuǎn)換為求和,使震源信號(hào)和反射系數(shù)分離,在理論上可以得到分開的震源信號(hào)和反射系數(shù)。

同態(tài)反褶積去噪方法首先將長度為n的離散時(shí)間信號(hào)r[n]分成m個(gè)窗口的離散數(shù)據(jù),每個(gè)窗口的長度為N,利用公式(2)和公式(3)計(jì)算每一個(gè)窗口內(nèi)時(shí)間信號(hào)的離散傅里葉變換(DFT)。

(2)

WN=e-j(2π/N)0≤k≤N-1

(3)

對(duì)R[k,m]取自然對(duì)數(shù)得到L[k,m]:

L[k,m]=ln(R[k,m])

(4)

(5)

上述過程是對(duì)(1)式分窗做傅里葉變換以及取對(duì)數(shù),所以公式(1)變?yōu)?

(6)

(7)

S[k,m]=eL′[k,m]

(8)

(9)

將S[n,m]按列合并之后得到的數(shù)據(jù)即為去噪處理后的微地震數(shù)據(jù)。

1.2 STA/LTA獲取模板

STA/LTA方法是地震信號(hào)初至拾取的常規(guī)有效方法,能夠快速、準(zhǔn)確地獲取高信噪比的微地震事件[11-15]。STA/LTA方法原理如圖2所示,對(duì)于采集到的微地震記錄,計(jì)算兩個(gè)連續(xù)滑動(dòng)的長、短時(shí)間窗口之間平均能量之比。當(dāng)微地震信號(hào)到達(dá)時(shí),長短時(shí)窗能量比會(huì)有一個(gè)突變,對(duì)于大于預(yù)定的判斷閾值k的時(shí)間點(diǎn),將該時(shí)刻標(biāo)記為震相到時(shí)。

圖2 STA/LTA方法原理示意

對(duì)于時(shí)間點(diǎn)i,STA/LTA比值計(jì)算公式如下:

(10)

(11)

式中:S代表滑動(dòng)短時(shí)窗的長度;L代表滑動(dòng)長時(shí)窗的長度;xi代表時(shí)間點(diǎn)i處微地震數(shù)據(jù)的振幅;CF為特征函數(shù),表示微震數(shù)據(jù)能量的變化情況;STAi和LTAi分別為微震信號(hào)在i時(shí)刻的短時(shí)窗和長時(shí)窗平均能量值。短時(shí)窗的窗長取值應(yīng)與待測信號(hào)的周期有關(guān),取值太短會(huì)誤觸發(fā)微地震事件,取值太長會(huì)漏觸發(fā)微地震事件;長時(shí)窗的窗長取值與信號(hào)的噪聲水平有關(guān),取值范圍相對(duì)固定。

STA/LTA方法適用于高信噪比的微地震數(shù)據(jù)識(shí)別,對(duì)信噪比的微地震數(shù)據(jù)識(shí)別并不準(zhǔn)確。因此將識(shí)別到的信噪比較高的信號(hào)當(dāng)作模板事件,進(jìn)一步使用FAST方法以其結(jié)果為指紋,識(shí)別出低信噪比的微地震信號(hào)。

1.3 FAST方法

YOON等[21]提出的FAST方法(以下簡稱Yoon方法)是將地震數(shù)據(jù)轉(zhuǎn)換為指紋,壓縮了信息,能夠快速地處理長時(shí)間、高采樣頻率的地震數(shù)據(jù)(分析一個(gè)星期的連續(xù)波形數(shù)據(jù)用時(shí)不到2h)[19]。同時(shí),FAST方法還能夠檢測到STA/LTA方法檢測不到的低信噪比微地震事件。

以STA/LTA方法獲取的模板事件為例,采用FAST方法對(duì)地震信號(hào)數(shù)據(jù)進(jìn)行如下處理。首先對(duì)模板事件的時(shí)間序列數(shù)據(jù)(圖3a)進(jìn)行短時(shí)傅里葉變換,計(jì)算得到復(fù)數(shù)離散傅里葉變換的功率(振幅的平方),地震事件在頻譜圖中以瞬態(tài)高能的形式出現(xiàn)(圖3b)。對(duì)這個(gè)頻譜圖像進(jìn)行二維哈爾小波變換,小波變換是多分辨率分析工具,地震信號(hào)在全分辨率小波系數(shù)中具有高能量(圖3c),有利于進(jìn)一步識(shí)別圖像。小波變換對(duì)數(shù)據(jù)進(jìn)行壓縮的同時(shí),能夠最大程度地保留圖像信息。

圖3 FAST方法對(duì)微地震信號(hào)數(shù)據(jù)處理流程a 某微地震事件的時(shí)間序列數(shù)據(jù); b 對(duì)a進(jìn)行短時(shí)傅里葉變換之后的頻譜; c b的二維哈爾小波變換的小波變換結(jié)果; d 對(duì)c圖像進(jìn)行壓縮的指紋圖

接下來選擇丟棄一部分小波系數(shù)對(duì)數(shù)據(jù)繼續(xù)壓縮。由于接收到的連續(xù)信號(hào)大部分都是噪聲,并且通常情況下地震信號(hào)的能量大于背景噪聲,因此對(duì)小波圖像中的哈爾小波系數(shù)矩陣進(jìn)行z-score的標(biāo)準(zhǔn)化。

(12)

式中:Hij為小波變換后第i行j列的小波系數(shù);ui為小波矩陣第i行的均值;σi為第i行的標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)化的目的是為了更好地區(qū)別信號(hào)和背景噪聲。保留與標(biāo)準(zhǔn)化的哈爾小波系數(shù)平均值偏差最大的前50%的哈爾小波系數(shù)。將大于平均值的正向偏差的小波系數(shù)設(shè)置為+1,表示正數(shù);將小于平均值的負(fù)向偏差設(shè)置為-1,表示負(fù)數(shù);將舍棄的50%的哈爾小波系數(shù)設(shè)置為0。為了便于使用后續(xù)的局部敏感哈希算法有效搜索相似指紋并減少存儲(chǔ)所用的比特?cái)?shù),用兩個(gè)比特來表示標(biāo)準(zhǔn)哈爾系數(shù)的符號(hào):-1變?yōu)?1,0變?yōu)?0,1變?yōu)?0。因此每個(gè)指紋的比特是哈爾系數(shù)的2倍。處理后,哈爾小波變化結(jié)果轉(zhuǎn)換為只包含0和1且稀疏(大多為0)的“指紋”(圖3d),白色代表1,黑色代表0。再利用FAST方法,將STA/LTA方法獲取的高信噪比微地震事件波形制作為指紋,便于快速進(jìn)行相似性搜索。

表1 最小哈希數(shù)組

與上述過程一致,依據(jù)模板事件以選取時(shí)窗長度0.7s為例,將臺(tái)站收集的一段10min的微地震數(shù)據(jù)分成若干個(gè)重疊的0.7s的時(shí)窗波形數(shù)據(jù),時(shí)窗間隔為0.01s。這樣,10min的數(shù)據(jù)分成了59931段波形數(shù)據(jù),將這些數(shù)據(jù)經(jīng)過圖3所示的處理過程轉(zhuǎn)換為指紋,微地震事件指紋與模板指紋會(huì)更相似,比較這些指紋與模板指紋的相似度,實(shí)現(xiàn)對(duì)微地震事件的識(shí)別。

最小哈希方法和局部敏感哈希方法可以用來比較指紋之間的相似度。最小哈希方法是一種快速判斷兩個(gè)集合是否相似的方法。通過多個(gè)哈希函數(shù)hi(x)作用于同一個(gè)指紋,每個(gè)哈希函數(shù)將指紋映射為一個(gè)整數(shù)。如表1所示,事件X和事件Y的指紋通過選取6個(gè)哈希函數(shù)hi(x)映射之后,分別轉(zhuǎn)換為6個(gè)整數(shù)。

最小哈希的一個(gè)重要屬性就是兩個(gè)指紋映射為同一整數(shù)的概率等于指紋的杰卡德(Jaccard)相似度。杰卡德相似度定義為:

(13)

事件X和事件Y相似性越高,指紋被映射為同一整數(shù)的概率越高。最小哈希將兩個(gè)事件X,Y的二維指紋映射為了兩個(gè)一維向量,最小哈希函數(shù)越多,映射之后的一維向量越能夠保留X和Y之間的相似度,而當(dāng)指紋總數(shù)足夠多時(shí),映射為一維向量相似度比較的計(jì)算量也越大。

局部敏感哈希方法將指紋對(duì)應(yīng)的一維數(shù)組分為多個(gè)條帶,任一條帶相同時(shí),放入一個(gè)哈希桶,放入同一哈希桶的次數(shù)越多,指紋間相似的可能性就越大,從而減小計(jì)算量。如表2所示,將事件X和Y的6個(gè)哈希值分成3個(gè)條帶,每個(gè)條帶由2個(gè)哈希值組成,當(dāng)且僅當(dāng)兩個(gè)條帶中每個(gè)哈希值相等時(shí),將兩個(gè)條帶放到同一哈希桶中。表2中h(X)和h(Y)的第1個(gè)條帶同為[45,23],因此它們放入同一哈希桶。對(duì)于第2個(gè)條帶,[14,11]和[21,11]是不完全相同的,因此將它們放入不同的哈希桶中,同理,h(X)和h(Y)的第3個(gè)條帶放入同一哈希桶。最終統(tǒng)計(jì)X和Y的指紋在同一桶內(nèi)的概率作為兩個(gè)事件的相似度。例如表2中指紋X和指紋Y的最終相似度為2/3。概率越大,多個(gè)條帶中的向量相等的可能性就越大,兩個(gè)指紋相似度越高。

表2 相似度匹配

Yoon方法是通過比較采用FAST方法對(duì)全波形數(shù)據(jù)處理得到的所有指紋的兩兩相似性進(jìn)行微地震事件的識(shí)別。一般認(rèn)為,微地震事件會(huì)重復(fù)發(fā)生,對(duì)應(yīng)指紋具有相似性,而噪聲是隨機(jī)的,不同時(shí)刻的噪聲指紋不存在相似性。事實(shí)上,井下接收到的連續(xù)信號(hào)大部分是噪聲,這樣的比較主要是噪聲和噪聲之間的比較,是沒有必要的。本文以STA/LTA方法獲取的微地震事件為模板并壓縮為指紋,然后與全波形數(shù)據(jù)處理得到的所有指紋比較相似度,從而減少比較次數(shù),提高了計(jì)算效率。

1.4 DBSCAN方法

在水力壓裂過程中,井下微地震檢測臺(tái)站的位置距離裂縫破裂位置較近,通常會(huì)在一個(gè)短時(shí)間內(nèi)記錄到同一微地震事件。比較模板指紋和每個(gè)記錄波形窗口的指紋相似度,相似度最高的波形窗口的初至到時(shí)和模板事件的初至到時(shí)對(duì)齊,從而檢測得到每個(gè)臺(tái)站的震相到時(shí)。將不同臺(tái)站的震相到時(shí)進(jìn)行關(guān)聯(lián),可以減少錯(cuò)誤檢測。DBSCAN聚類方法是比較有代表性的基于密度的聚類算法,該方法可以在有噪聲的數(shù)據(jù)中發(fā)現(xiàn)任意形狀的聚類。DBSCAN聚類算法主要有兩個(gè)參數(shù),即ε和minPts,其中,參數(shù)ε描述了核心點(diǎn)的鄰域大小,minPts描述了某一樣本距離為ε的鄰域中樣本個(gè)數(shù)的閾值。DBSCAN聚類方法原理如圖4所示,如果A的鄰域ε內(nèi)至少有minPts個(gè)樣本點(diǎn),那么A為核心對(duì)象。A中的不滿足鄰域ε內(nèi)至少有minPts個(gè)樣本點(diǎn)的稱為非核心對(duì)象(圖4中A的鄰域內(nèi)的黑色點(diǎn))。如果核心對(duì)象在另一核心對(duì)象鄰域內(nèi),則兩個(gè)核心對(duì)象密度可達(dá)(圖4中通過黑色箭頭相連接的紅點(diǎn))。所有密度可達(dá)的核心對(duì)象與其內(nèi)部的非核心對(duì)象共同組成一個(gè)聚類簇,如圖4中通過聚類最終形成3個(gè)聚類簇A、B、C。在微地震震相關(guān)聯(lián)的過程中,點(diǎn)對(duì)應(yīng)的為微地震信號(hào)在每個(gè)臺(tái)站的到時(shí)信息,任何兩個(gè)點(diǎn)之間的距離為不同臺(tái)站之間的到時(shí)差。ε定義為一個(gè)微地震事件在不同臺(tái)站到時(shí)差的最大值,考慮到臺(tái)站位置和壓裂區(qū)域的相對(duì)距離,minPts定義為檢測到同一微地震事件的最小臺(tái)站個(gè)數(shù),如果臺(tái)站個(gè)數(shù)小于minPts,定義為噪聲。

圖4 DBSCAN聚類方法原理示意(圖中,minPts為4,紅點(diǎn)為核心對(duì)象(其鄰域至少有4個(gè)樣本點(diǎn)),黑點(diǎn)為非核心對(duì)象。如果核心對(duì)象在另一核心點(diǎn)鄰域內(nèi),則兩個(gè)核心對(duì)象密度可達(dá),圖中由黑色箭頭連起來的核心對(duì)象組成了密度可達(dá)的A、B、C這3個(gè)聚類簇)

龍峰等[24]在利用DBSCAN的過程中指出在地面臺(tái)站數(shù)據(jù)對(duì)微地震事件定位的過程中,至少需要4個(gè)臺(tái)站才能完成定位。minPts越大,檢測到微地震事件的正確率越高,后續(xù)定位結(jié)果越可靠,但同時(shí)也會(huì)丟失一部分事件。本次研究基于深井中的10個(gè)臺(tái)站,同樣選擇minPts為4,在保證正確率的基礎(chǔ)上盡可能地保留更多微地震事件。通過計(jì)算得到微地震事件在各個(gè)臺(tái)站上的震相到時(shí)差在0.4s以內(nèi),此時(shí)設(shè)定ε為0.4s,即通過DBSCAN方法,在0.4s內(nèi)有4個(gè)不同的臺(tái)站都檢測到了這一地震事件時(shí),才判定這一事件為有效的微地震事件。

2 數(shù)值模擬

為了驗(yàn)證本文方法檢測微地震事件的可行性,首先采用合成地震數(shù)據(jù)測試方法性能。本次合成數(shù)據(jù)基于四川盆地威遠(yuǎn)頁巖氣開發(fā)水平井第19段壓裂井附近的10個(gè)井下臺(tái)站記錄得到的10個(gè)實(shí)際微地震事件(彼此互相關(guān)系數(shù)較低),該10個(gè)微地震事件位置和震源機(jī)制解如圖5所示,可以看出10個(gè)微地震事件的震源機(jī)制解相互不一致。調(diào)整10個(gè)微地震事件的振幅,并隨機(jī)插入對(duì)應(yīng)臺(tái)站記錄的一段噪聲數(shù)據(jù)中的不同時(shí)間段合成171個(gè)微地震事件,不同的臺(tái)站保留事件的到時(shí)差,由同一個(gè)事件生成的微地震事件具有相同的位置和震源機(jī)制解。圖6a為合成的10個(gè)臺(tái)站中編號(hào)ZA20臺(tái)站的微地震數(shù)據(jù),圖6b展示了ZA20臺(tái)站的微地震信噪比分布。

圖5 臺(tái)站與微地震事件位置(圖中,沙灘球?yàn)?0個(gè)微地震事件位置和震源機(jī)制解,紅色五角星為10個(gè)臺(tái)站的位置)

圖6 ZA20臺(tái)站微地震數(shù)據(jù)(a)及其信噪比(b)

對(duì)10個(gè)臺(tái)站的合成數(shù)據(jù)進(jìn)行測試以驗(yàn)證本文方法的實(shí)用性。對(duì)每個(gè)臺(tái)站的微地震數(shù)據(jù)進(jìn)行相同的數(shù)據(jù)處理,以ZA20臺(tái)站為例。首先利用同態(tài)反褶積去噪,并通過計(jì)算信噪比RSN評(píng)價(jià)同態(tài)反褶積去噪效果:

(14)

式中:PS和PN分別代表信號(hào)和噪聲的有效功率。圖7展示了同態(tài)反褶積去噪處理前、后ZA20臺(tái)站在第514.55s的效果。圖7a為去噪前的微地震信號(hào),圖7b為同態(tài)反褶積去噪后的微地震信號(hào)。經(jīng)試驗(yàn),去噪后微地震信號(hào)信噪比平均提升了6dB以上。

圖7 同態(tài)反褶積去噪前(a)、后(b)的信號(hào)

對(duì)去噪之后的數(shù)據(jù),利用STA/LTA方法提取出強(qiáng)信號(hào)事件,便于后續(xù)制作為模板指紋利用FAST方法進(jìn)行處理。其中STA/LTA方法的參數(shù)S和L分別設(shè)置為0.1s和0.4s,滑動(dòng)步長為0.005s,觸發(fā)閾值λ設(shè)置為1.4。圖8為圖6a所示ZA20臺(tái)站波形計(jì)算得到的STA/LTA值,紅色虛線為設(shè)置的閾值,在該閾值條件下,可以檢測到90個(gè)微地震事件,降低閾值時(shí),可以得到更多微地震信號(hào),但同時(shí)增大了檢測錯(cuò)誤率。分析圖8可以看到,STA/LTA值設(shè)定在1.3左右時(shí),會(huì)使檢測數(shù)量突增,可能會(huì)帶來部分噪聲。我們將閾值設(shè)定為1.3時(shí),檢測到146個(gè)事件,其中有12個(gè)是誤檢測,錯(cuò)誤率為8%;另外有37個(gè)事件沒檢測到。為確保模板事件的可靠性,本文選取閾值為1.4時(shí)STA/LTA方法檢測到的信噪比大于2.0的事件作為模板,挑選得到80個(gè)事件。

圖8 STA/LTA拾取結(jié)果

采用FAST方法進(jìn)一步進(jìn)行地震信號(hào)相似性搜索,可以搜索到額外的低信噪比信號(hào)。FAST方法能夠充分地檢測到與模板事件相似的事件,如圖9所示,以STA/LTA獲取到的119.526～119.626s的波形為模板波形(第1道),搜索到了不同時(shí)間的其它相似波形,圖中展示了加上模板的其它6個(gè)波形,圖9中從上往下事件波形的信噪比依次為17.9,1.7,1.1,18.0,14.6,16.8,12.1dB。其中第2道、第3道地震波形信噪比小于2.0,計(jì)算的STA/LTA值分別為1.04和0.99,為STA/LTA方法未能檢測到的地震事件。

圖9 FAST方法波形匹配結(jié)果

利用FAST方法對(duì)每個(gè)臺(tái)站進(jìn)行搜索后,共得到資料段內(nèi)10個(gè)臺(tái)站的2126次觸發(fā)(其中可能包括部分虛假檢測)。最后利用DBSCAN方法對(duì)10個(gè)臺(tái)站得到的所有震相進(jìn)行關(guān)聯(lián),排除檢測到的噪聲信號(hào)。采用ε=0.4s,minPts=4進(jìn)行DBSCAN聚類計(jì)算,其中171次觸發(fā)參與了聚類,171次地震事件全部檢測到,未參加的離群點(diǎn)為隨機(jī)噪聲。圖10為某一微震事件在第504～520s的聚類效果,可以看出,504～520s發(fā)生了一次聚類,在506s處發(fā)生了一次錯(cuò)誤檢測,但是離群點(diǎn)并不構(gòu)成聚類條件,沒有對(duì)檢測構(gòu)成影響。圖11展示了514.50s左右的細(xì)節(jié),10個(gè)臺(tái)站均有檢測并構(gòu)成一個(gè)聚類簇。在FAST方法設(shè)置閾值較低的情況下,這16s內(nèi)存在一次離群點(diǎn),但噪聲的觸發(fā)都未能構(gòu)成聚類簇,說明在低閾值的情況下,依然沒對(duì)檢測效果產(chǎn)生影響。經(jīng)過本文方法處理后,171次地震事件均被完全檢測。可見,本文方法對(duì)于微地震事件的檢測是可行的。

圖10 基于DBSCAN方法的事件聚類

圖11 基于DBSCAN的事件聚類細(xì)節(jié)(514.50s左右)

3 實(shí)際應(yīng)用

實(shí)際微地震數(shù)據(jù)為四川盆地威遠(yuǎn)頁巖氣開發(fā)水平井19段壓裂井微地震數(shù)據(jù)集。本次微地震監(jiān)測20級(jí)井中檢波器布設(shè)在一直井段,深度范圍為2270～2405m,每個(gè)臺(tái)站在深度方向間隔15m,各站點(diǎn)分布位置如圖12所示。

圖12 地震臺(tái)站位置分布(圖中,藍(lán)色豎線表示不同的壓裂段的射孔事件,紅色豎線表示本文數(shù)據(jù)的第19級(jí)壓裂段的射孔事件位置,紫色倒立三角表示放置在井中的20個(gè)地震檢測臺(tái)站)

采用本文方法對(duì)壓裂段在2014年11月10號(hào)7∶50至11∶50由井下10個(gè)臺(tái)站采集的數(shù)據(jù)(數(shù)據(jù)以10min為間隔,劃分為21個(gè)時(shí)間段)進(jìn)行處理并與STA/LTA方法和模板匹配方法進(jìn)行比較。井下數(shù)據(jù)的采樣間隔為2000Hz。本方方法選取的參數(shù)如表3所示,模板匹配方法所用波形模板與本文方法一致。

表3 輸入?yún)?shù)

采用STA/LTA方法處理后總共識(shí)別出754個(gè)微地震事件,從中挑選信噪比大于2.0的作為模板事件用于本文方法和模板匹配方法。處理后,本文方法共計(jì)識(shí)別出2604個(gè)微地震事件,模板匹配方法共計(jì)識(shí)別3052個(gè)事件。圖13展示了壓裂起始3種方法對(duì)于壓裂段微地震數(shù)據(jù)檢測事件數(shù)量分布。采用本文方法和模板匹配方法檢測的微地震事件數(shù)量均遠(yuǎn)遠(yuǎn)超過STA/LTA方法的檢測數(shù)量。本文方法在多數(shù)時(shí)間段內(nèi)與模板匹配方法的檢測結(jié)果一致,但在第2,3,5,7,17這5個(gè)時(shí)間段內(nèi),模板匹配檢測到的微地震數(shù)量比本文方法的微地震數(shù)量多。

圖13 STA/LTA方法、模板匹配方法和FAST方法實(shí)際微地震數(shù)據(jù)處理結(jié)果對(duì)比

為進(jìn)一步分析本文方法檢測微地震事件數(shù)量少于模板匹配方法的原因,取FAST方法和模板匹配方法在壓裂時(shí)間段775.8～780.0s(即圖13中第2個(gè)時(shí)間段)內(nèi)的檢測結(jié)果進(jìn)行分析,結(jié)果如圖14所示。采用FAST方法和模板匹配方法均檢測到776.0s和777.8s的震相,信噪比較高,分別為13.8和18.9,模板匹配方法還在777.4,778.8,779.5s處檢測到3個(gè)事件,這3個(gè)事件信噪比較低,分別為1.32,0.78和1.18。分析可知,對(duì)于信噪比小于1.5的微地震事件,本文方法檢測能力低于模板匹配方法,可能是由于FAST方法在將波形信息壓縮為指紋加快運(yùn)算效率的同時(shí),損失了部分波形信息。但是本文方法對(duì)微地震數(shù)據(jù)的處理速度比模板匹配方法的處理速度快,在intel(R)core(TM)i5-10400cpu上模板匹配方法處理本次壓裂數(shù)據(jù)用時(shí)5.0h,本文方法處理只用了1.5h。在模板數(shù)量更多的情況下,本文方法的效率比模板匹配方法的效率會(huì)更高。

圖14 FAST方法和模板匹配方法在775.8～780.0s的檢測結(jié)果

將實(shí)際壓裂過程4.0h的數(shù)據(jù)分成2879981個(gè)重疊窗口,采用本文方法時(shí),是對(duì)754個(gè)模板波形和2879981個(gè)窗口波形的指紋進(jìn)行相似性比較,比較次數(shù)為754×2879981;采用Yoon方法時(shí),是對(duì)2879981個(gè)波形的指紋進(jìn)行兩兩比較,計(jì)算2879981×2879980次相似性。另外STA/LTA方法獲取模板的時(shí)間很短,通常來說,連續(xù)時(shí)間波形劃分得到的窗口個(gè)數(shù)比模板事件波形的個(gè)數(shù)多得多?？梢?本文方法優(yōu)化了Yoon方法,提高了計(jì)算效率,對(duì)于微地震數(shù)據(jù)的實(shí)時(shí)監(jiān)測處理具有意義。

4 結(jié)論

針對(duì)微地震信號(hào)弱、數(shù)據(jù)量大的特點(diǎn),本文提出了一種基于FAST方法并結(jié)合同態(tài)反褶積去噪、STA/LTA以及DBSCAN方法的水力壓裂過程中微地震事件檢測方法。理論測試驗(yàn)證了該方法的有效性:能夠有效地去除噪聲,利用STA/LTA方法快速得到模板事件,基于FAST方法比較模板事件指紋和記錄波形指紋的相似度,能夠快速、精確地獲取各個(gè)微地震事件對(duì)應(yīng)的震相到時(shí)信息,可供后續(xù)地震定位、速度結(jié)構(gòu)成像等分析使用。在實(shí)際數(shù)據(jù)應(yīng)用中,相較于常規(guī)STA/LTA方法,本文方法檢測能力更高;另外與模板匹配檢測方法相比,本文方法在應(yīng)用于長時(shí)間的微地震數(shù)據(jù),尤其是模板事件較多的時(shí)候,表現(xiàn)出更高的檢測效率,可以用于壓裂過程中的實(shí)時(shí)監(jiān)測。