地面微地震有源噪声自动识别与匹配压制方法

刁　瑞　吴国忱　尚新民　芮拥军　崔庆辉

(①中国石油大学(华东)地球科学与技术学院，山东青岛 266555； ②中国石化胜利油田分公司物探研究院，山东东营 257022)

1　引言

由于页岩气、页岩油和煤层气等非常规油气储层具有低孔隙度、低渗透率的物性特征，决定了其具有较大的开采难度[1，2]。非常规储层水力压裂改造技术成为提高油气采收率的主要手段，特别是针对页岩气、页岩油和煤层气等非常规油气资源，致密储层的水力压裂改造具有十分重要的作用和意义，微地震监测技术则被用于评价压裂效果[3，4]。地面阵列式微地震监测技术采用多条测线数千个检波器排列。基于星型排列的地面微地震监测采用超过1000道、6000～24000个检波器，测线排列长度为2～10km。在地表进行微地震监测，具有监测范围广、数据采集量大等特点。相对井中微地震监测技术而言，地面微地震数据具有噪声干扰严重、信噪比低、事件识别难度大的特点。刘玉海等[5]利用相邻道信号之间的相关性，提出了一种基于随机信号统计理论的互相关检测方法。张旭亮等[6]利用K-L变换从多道微地震记录中提取微地震信号，去除随机噪声和相干噪声。赵翠霞等[7]基于正余弦加权逼近法实现了工频干扰的自动识别与压制，有效提高了地震资料的品质。刁瑞等[8，9]将改进S变换引入微地震监测数据的去噪处理，有效分离了微地震信号分量与噪声干扰分量； 并基于阵列式微地震数据的优点，利用互相关的盲源分离去噪方法压制随机噪声干扰。贾瑞生等[10]基于经验模态分解及独立成分分析提出了一种微地震信号降噪方法。李会俭等[11]将多尺度形态学理论应用于弱信号分析和识别，通过分析不同尺度下的信号特征，估计并检测出微弱信号和噪声。宋维琪等[12]研究了地面微地震资料τ-p变换去噪方法，增强了地面微地震事件的辨识度。崔庆辉等[13]针对微地震数据信噪比低的特点，联合应用多种噪声压制技术，明显提高了微地震信号的信噪比。

在进行地面微地震监测采集过程中，由于地表各种不利因素的影响，微地震数据中强能量的地面有源噪声非常多，包括井场噪声、钻机噪声、建筑工地噪声、车辆噪声、风噪、人步行和物体坠落噪声等。压裂井场噪声以典型的面波方式传播，向两侧逐渐衰减。车辆噪声是典型的宽频瞬变噪声，噪声振幅具有由小变大、再变小的特征。人步行或物体坠落是典型的窄频稳定噪声源，人步行引起的噪声几乎为固频信号，形成单一频率的尖脉冲[14]。储层压裂改造产生的震源能量相对较弱，各类地面有源噪声的能量强，严重影响微地震数据的信噪比，微地震事件湮没在噪声中，增加了微地震事件的识别难度。必须通过针对性的地面有源噪声压制处理手段，提高微地震数据的信噪比，以保证微地震震源点的定位精度。在充分分析微地震噪声特征基础上，根据地面有源噪声与微地震事件在能量、频率、传播速度及源位置不同的特点，提出了一种地面微地震有源噪声自动识别与匹配压制方法。在长短时窗能量比和微地震量板联合自动识别有源噪声的基础上，进行噪声源位置和传播速度三维最优并行搜索，确定有源噪声的位置坐标和噪声传播速度后，根据噪声标准道和自适应匹配算子，对地面有源噪声进行自适应压制处理。

2　有源噪声特征分析

对非常规油气藏进行储层压裂改造，水力压裂造成的岩石破裂类似于一个震源，而震源能量相对较弱，微地震信号从震源点向上传播过程中，能量又被地层强烈吸收衰减，造成微地震事件湮没在噪声干扰里。只有通过分析地面有源噪声的特征，才能针对性地压制噪声，达到提高微地震数据品质的目的。微地震事件与地面有源噪声的特征差别主要包括以下几个方面。

(1)源位置差异。压裂段位于地下储层中，微地震事件由震源点从下向上传播；而噪声源位于地面，噪声干扰沿地面或高速层顶界面传播。由于微地震事件和噪声干扰的传播路径不同，到达不同站点的时差存在差异，微地震监测数据中微地震事件的同相轴形态与噪声干扰的同相轴形态不同，即不同站点之间的旅行时差存在特征差异。

(2)传播速度差异。压裂造成的震源点由深层往地面传播，地下介质的传播速度较高，而地面噪声源主要是通过地面或沿高速层顶界面滑行，传播速度为低降速带或高速层速度，岩石破裂地震波和有源噪声的传播速度存在明显的差异，即微地震数据中的同相轴斜率或视速度不同。

(3)能量差异。从整体上分析，微地震事件和地面有源噪声的能量差异明显，储层压裂造成的岩石破裂能量相对较弱，地面有源噪声的能量相对较强。另外，地面站点在压裂段上方的地面均匀分布，压裂震源点到达地面站点时能量基本相当或差别不大。地面有源噪声在传播过程中衰减剧烈，距离较近的地面站点中噪声能量较强，而距离较远的地面站点中噪声能量较弱，即地面有源噪声在不同距离的站点中能量差异明显。

(4)频率差异。由于检波器布设于地面，地震波经历了地层的吸收衰减作用，地面微地震监测数据的频率范围是5～100Hz。车辆、建筑工地等噪声具有宽频特征，人步行、钻机干扰、工频干扰等具有窄频或单频特征，其中工频干扰的频率约为50Hz。

图1为地震波传播路径及模拟旅行时记录，可见震源点位于地下储层附近，微地震信号从下向上传播，地面站点均匀分布，微地震事件具有双曲线特征，并且地层速度相对较高，站点之间的旅行时差相对较小。噪声源位于地面，有源噪声沿高速层顶界面传播，当噪声源位于所有站点一侧时，地面有源噪声具有线性特征(图1b)； 当噪声源位于站点中部时，地面有源噪声具有双曲线特征，并多次重复出现(图1c)。由于正演模拟过程中没有考虑吸收衰减，因此不存在能量差异，但从旅行时和传播速度两个方面的差异特征，可有效识别微地震事件和地面有源噪声。

3　方法原理

根据微地震事件与地面有源噪声在旅行时、传播速度、能量和频率方面的差异，提出了微地震有源噪声自动识别与匹配压制方法，对微地震数据中的有源噪声进行自适应压制。该技术的主要思路为：首先，在微地震数据中地面有源噪声发育的情况下，采用长短时窗能量比方法和微地震量板自动识别有源噪声，得到微地震数据中有源噪声的到达时刻；其次，根据叠加能量最强的原则，沿地面进行三维最优并行搜索，同时确定有源噪声的位置坐标和噪声传播速度；然后，根据有源噪声的位置坐标和传播速度，计算每一个微地震站点的动校正量，并对微地震数据进行动校正处理；最后，根据有源噪声标准道和自适应匹配算子，对有源噪声进行自适应压制处理，并进行反动校正处理，可得到高信噪比的微地震数据。该技术主要包括三方面内容： ①长短时窗能量比与微地震量板联合的有源噪声自动识别； ②源位置和传播速度三维最优并行搜索； ③基于匹配算子的有源噪声自适应压制。

3.1　长短时窗能量比与微地震量板联合自动识别

微地震数据初至拾取方法主要有长短时窗能量比方法(STA/LTA)、偏振分析及AIC方法、初至拾取SLPEA算法、基于匹配追踪的事件识别方法等[15，16]。刘劲松等[17]利用改进的高阶累计量的偏度和峰度计算方法识别微地震事件。王鹏等[18]利用Renyi熵值表示微地震数据的时频稀疏程度，建立以低熵值的道数为判别阈值的目标函数，在对低信噪比数据处理中取得了较好效果。长短时窗能量比方法根据环境噪声振幅弱、频带宽，而地震信号振幅强、频带窄的特点，通过计算一长一短两个滑动时窗内地震记录特征函数的平均值之比作为拾取地震波初至到时的依据。短时窗能量值的变化往往比长时窗能量值的变化快，用短时窗能量平均值与长时窗能量平均值进行对比，当存在能量变化的情况下，长短时窗能量比值就会明显增大。

仅仅依赖地震信号与环境噪声的差异进行初至拾取是比较困难的，长短时窗能量比方法无法区分微地震事件和噪声干扰，应该综合考虑多种特征差异自动识别噪声干扰。在此基于能量、传播速度和源位置不同的特点，采用长短时窗能量比与微地震量板联合的方法，自动识别微地震数据中的有源噪声。长短时窗能量比方法从能量差异的方面进行判别，微地震量板从旅行时差异或时距关系的方面进行进一步识别，最终实现有源噪声的自动识别。

相对于微地震事件而言，地面有源噪声能量相对较强，可利用长短时窗能量比方法确定微地震数据中噪声源分布范围。在利用能量比法进行计算时，由于初至点以上少数样点的幅值有可能接近零，为了避免这种情况的发生，同时提高初至拾取的稳定性，对前后时窗的能量分别加一个稳定因子。稳定能量比方法的数学表达式为

(1)

式中：f(t)为微地震数据；T1为短时窗开始时刻；T0为短时窗与长时窗交叉时刻；T2为长时窗结束时刻；A为振幅因子；α为稳定系数(可据不同数据调整)。设置一个自动识别能量阈值θ，当长短时窗能量比值大于θ时，则该时刻就存在有源噪声，当长短时窗能量比值小于θ时，则不存在有源噪声。

长短时窗能量比方法识别的信号中可能包含微地震事件，需要通过微地震量板做进一步识别。微地震量板即为震源点到所有接收点的走时形态，储层压裂产生的震源点位于射孔点周围，以射孔点为震源点，在建立速度模型和已知站点分布的基础上，通过正演模拟方法获得震源点的正演记录，其中压裂震源点的走时形态与微地震量板基本一致。计算识别信号与微地震量板之间的均方差值φ，通过差值φ与微地震量板因子δ识别信号，其数学表达式为

(2)

Y-8HF井钻遇砂砾岩油藏，位于东营凹陷北部陡坡带东翼，主力含油层系为沙四段砂砾岩体，是常温、常压、低孔隙度、特低渗油藏。对砂砾岩体致密油藏进行储层压裂改造，Y-8HF井共13段压裂，压裂方向近为南北向，微地震监测站点位于压裂段上方。图2a为两个压裂段的微地震量板，是根据两个压裂段的射孔点分别计算得到的，蓝色线是第2压裂段，红色线是第5压裂段； 图2b为微地震量板与实际监测数据的对比，微地震量板与实际数据的旅行时形态基本一致(即φ<δ)，该识别信号在微地震事件集合内，最终确定为微地震事件，避免了微地震事件的误拾和有源噪声的漏拾。

图2　不同压裂段微地震量板(a)及与实际地震数据(b)的对比

3.2　源位置和传播速度三维最优并行搜索

噪声源分布于地面或近地表，因此可以沿地面的大地坐标X和Y方向进行噪声源位置的搜索；有源噪声沿高速顶界面传播，可以确定传播速度v的范围。基于以上两方面的因素，可以进行噪声源位置(X和Y)和噪声传播速度(v)的同时最优搜索，并引入并行搜素机制，大幅提高运算效率。

首先，利用不同噪声源位置和传播速度对自动识别的有源噪声做动校正处理，消除传播距离造成的时差；其次，计算动校正后数据叠加能量，可得三维叠加能量谱，计算中采用并行算法可大幅提高效率；最后，求取叠加能量谱最大值，该最大值对应的位置和传播速度即为最优搜索结果。

沿大地坐标X方向平均剖分为M个网格，用i表示网格序号(i=0,1,2,…,M)； 沿大地坐标Y方向将地表平均剖分为N个网格，用j表示网格序号(j=0,1,2,…,N)； 将速度扫描范围均分为Z个速度值，用k表示速度扫描序号(k=0,1,2,…,Z)。最优并行搜素叠加能量数学表达式为

(3)

式中：S为地面检波器站点总数；fp(t)为第p个站点数据；li,j,p为第i×j个网格点到第p个站点传播距离；li,j,min为第i×j个网格点到所有站点最小距离；vk为第k个扫描速度值。对动校正后的数据求取叠加能量，当Ei,j,k值最大时，所对应的第i×j个网格点和扫描速度值vk即为最优的噪声源位置和传播速度，最优噪声源网格点记为ib×jb，最优噪声传播速度记为vbest。

3.3　基于匹配算子的有源噪声自适应压制

利用确定的最优噪声源位置和传播速度对微地震数据进行动校正处理，动校正后有源噪声同相轴表现为水平同相轴[19-21]，将各道数据叠加取均值可得到噪声标准道[22]，在引入自适应匹配算子的基础上，对所有站点的有源噪声进行自适应压制。

有源噪声标准道n(t)的数学表达式为

(4)

式中：lib,jb,p为噪声源所在网格到第p个站点的距离；lib,jb,min为噪声源所在网格到所有站点中的最小距离；vbest为噪声传播速度。

以有源噪声标准道n(t)为基准，通过维纳方程和Levinson算法进行自适应匹配，求得第p个站点的自适应匹配算子hp(t)，然后从微地震数据中减掉有源噪声，得到噪声压制后数据

(5)

4　模型试算及资料试处理

应用微地震噪声压制方法，能有效提高微地震数据的品质及微地震事件的定位精度[23]。 通过正演模拟数据验证方法的可行性，在模拟过程中采用Y-8HF井的实际微地震监测观测系统，该井储层为致密砂砾岩体[24]。图3a为Y-8HF井的地面微地震监测站点分布示意图，蓝色线为地面台站分布，共计约900个站点，南北方向分布范围是1700m，东西方向分布范围600m，黄色线为井轨迹，水平段位于靶点A和靶点B之间，由南向北共计13段压裂；图3b为地面噪声源分布示意图，噪声源位于地面站点的东南方，坐标为(5000m，1000m)，距离检波器站点约为2～3km。

根据压裂井区的地层特征，高速层速度采用2000m/s，对噪声源的传播特征进行模拟，得到有源噪声正演模拟结果(图4a)；将正演模拟数据与实际微地震数据(图4b)进行对比，可见两者的噪声具有相同特征。由于噪声源位于地面站点的东南方，且距离较远，地面有源噪声具有线性特征，并且噪声源具有一定的规律性，有源噪声在微地震数据中重复出现，间隔时间约为500～600ms。

基于所有微地震站点数据的叠加能量最大原则， 沿地面有源噪声分布范围进行三维最优并行搜索，在搜索噪声传播速度的同时，计算有源噪声分布范围内每一个位置点到达微地震站点的波至时间，根据对应的波至时间对微地震数据进行动校正处理，并将动校正处理后的所有道数据叠加，以求取每一个位置点的微地震数据叠加能量值，图5为三维最优并行搜索能量谱示意图。

图3　地面微地震监测站点分布(a)及地面噪声源分布(b)示意图

图4　有源噪声正演模拟数据(a)与实际微地震数据(b)对比

当某点的叠加能量值达到最大时，说明该点和对应的噪声传播速度能最合理地消除由于传播距离不同造成的正常时差，实现最优动校正处理，该点即是有源噪声的位置， 其对应的传播速度即是有源噪声的传播速度。图6a为东西方向能量谱，图6b为南北方向能量谱，图6c为速度方向能量谱，通过三维最优搜索得到噪声源位置为(5000m，1000m)，噪声传播速度为2000m/s，与模型数据一致，验证了该方法的有效性。速度方向能量谱的聚焦性较差，显示有源噪声的疑似位置呈西北—东南方向分布，这是由于观测系统的南北方向排列相对较长，而东西方向排列相对较短，并且该有源噪声位于排列的东南方向，距离较远，因此能量谱聚焦性相对较差。在进行观测系统设计时，应尽量将检波器分散布设，以使各个方位角均匀分布，利于提高定位精度。

图5　三维最优并行搜索能量谱

根据地面有源噪声位置坐标、噪声传播速度及微地震监测观测系统坐标，计算每一个微地震站点的动校正量。将动校正量代入微地震数据中，对微地震数据进行动校正处理，消除由于不同微地震监测检波器之间传播距离不同造成的正常时差。图7为动校正处理前、后正演模拟数据，可见动校正处理后地面有源噪声同相轴基本是一条水平直线，所有道数据叠加能量即为最大值，说明三维最优搜索确定的噪声源位置和噪声传播速度是合理的。

为了进一步验证方法的可行性和有效性，对实际监测微地震数据进行噪声压制处理。图8a为噪声压制前微地震数据， 其中包括正演模拟微地震事件和地面建筑工地有源噪声，该噪声源位于排列的一侧，有源噪声具有线性特征； 图8b为地面有源噪声压制后微地震数据，从图中可以看出，地面有源噪声自适应压制技术可以有效地去除微地震数据中的地面有源噪声，并不会损失有效信号，噪声压制效果较好。图9a为实际监测微地震数据，其中包含周期性的地面有源噪声，该噪声源位于排列的中部，有源噪声具有双曲特征，随着传播距离的增加，噪声干扰明显减弱，距离噪声源较远的台站几乎接收不到噪声干扰； 图9b为噪声干扰压制后数据，地面有源噪声得到了较好的压制，数据信噪比明显提升，有利于后续的微地震事件识别和精确定位。

图6　东西方向(a)、南北方向(b)及速度方向(c)能量谱

图7　动校正处理前(a)、后(b)的模拟数据对比

图8　模拟地面有源噪声压制前(a)、后(b)效果对比蓝色箭头指示微地震事件，红色箭头指示有源噪声

图9　实际地面有源噪声压制前(a)、后(b)效果对比红色箭头指示有源噪声

4　结论与展望

微地震数据中地面有源噪声较多，而储层压裂改造产生的震源能量相对较弱，微地震事件湮没于噪声中。在充分分析微地震噪声特征基础上，根据地面有源噪声与微地震事件在能量、频率、传播速度及源位置等方面的差异，提出了一种地面微地震有源噪声自动识别与匹配压制方法，获得了高信噪比微地震数据。正演模拟数据和实际微地震数据去噪效果验证了该方法的实用性和有效性。

在微地震数据的有源噪声自动识别过程中，采用长短时窗能量比与微地震量板相联合的方法。虽然长短时窗能量比方法无法确定强能量信号是有源噪声还是微地震事件，但以微地震量板为准则，进行交互判断和识别，避免了微地震事件的误拾和有源噪声的漏拾。通过三维最优搜索同时确定地面噪声源的坐标位置和传播速度，并引入并行搜索机制以大幅提高运算效率。根据所获地面噪声源坐标位置和传播速度，在动校基础上，通过自适应匹配算子对有源噪声进行压制处理，实现了有源噪声的自适应压制。

随着页岩油气、煤层气等非常规资源的不断开发和储层压裂改造技术的应用，对微地震监测技术的需求越来越多。国内微地震监测技术也取得迅速发展，如高灵敏度监测仪器研发、观测系统针对性设计、震源机制反演、三维速度模型优化校正、精确定位和压裂裂缝综合解释等，但还需持续深入研究和探索。微地震监测技术仍将是一个研究热点，特别是地面与井中联合监测、地面台站长期监测、有缆地震与无缆节点联合采集等技术，具有广阔的应用前景。

感谢中国石化胜利油田分公司物探研究院微地震项目组的鼎力支持！

[1]刘振武,撒利明,杨晓等.页岩气勘探开发对地球物理技术的需求.石油地球物理勘探,2011,46(5)：810-820.

Liu Zhenwu,Sa Liming,Yang Xiao et al.Needs of geophysical technologies for shale gas exploration.OGP,2011,46(5)：810-820.

[2]刁瑞,吴国忱,尚新民等.三维地震与地面微地震联合校正方法.地球物理学报,2017,60(1)：283-292.

Diao Rui,Wu Guochen,Shang Xinmin et al.Joint correction method based on 3D seismic and surface microseismic data.Chinese Journal of Geophysics,2017,60(1)：283-292.

[3]孙龙德,撒利明,董世泰.中国未来油气新领域与物探技术对策.石油地球物理勘探,2013,48(2)：317-324.

Sun Longde,Sa Liming,Dong Shitai.New challenges for the future hydrocarbon in China and geophysical technology strategy.OGP,2013,48(2)：317-324.

[4]刁瑞,吴国忱,崔庆辉等.地面阵列式微地震监测关键技术研究.岩性油气藏,2017,29(1)：104-109.

Diao Rui,Wu Guochen,Cui Qinghui et al.Key techniques for surface array microseismic monitoring.Lithologic Reservoirs,2017,29(1)：104-109.

[5]刘玉海,尹成,潘树林等.基于互相关函数法的地面微地震信号检测研究.石油物探,2012,51(6)：633-637.

Liu Yuhai,Yin Chen,Pan Shulin et al.Ground microseismic signal detection based on cross-correlation function.GPP,2012,51(6)：633-637.

[6]张旭亮,桂志先,王鹏等.基于K-L变换的微地震资料去噪的分析及应用.工程地球物理学报,2013,10(1)：81-84.

Zhang Xuliang,Gui Zhixian,Wang Peng et al.The analysis and application of micro-seismic data denoising based onK-Ltransform.Chinese Journal of Engineering Geophysics,2013,10(1)：81-84.

[7]赵翠霞,尚新民,刁瑞等.基于正余弦加权逼近法的50Hz工业干扰压制方法.油气地球物理,2015,13(4)：14-17.

Zhao Cuixia,Shang Xinmin,Diao Rui et al.Method to suppress 50Hz industrial noise based on sine and cosine weighted approximation.Petroleum Geophysics,2015,13(4)：14-17.

[8]刁瑞,单联瑜,尚新民等.微地震监测数据时频域去噪方法.物探与化探,2015,39(1)：112-117.

Diao Rui,Shan Lianyu,Shang Xinmin et al.The denoising method for microseismic monitoring data in time-frequency domain.Geophysical and Geochemical Exploration,2015,39(1)：112-117.

[9]刁瑞,吴国忱,尚新民等.地面阵列式微地震数据盲源分离去噪方法.物探与化探,2017,41(3)：521-526.

Diao Rui,Wu Guochen,Shang Xinmin et al.The blind separation denoising method for surface array micro-seismic data.Geophysical and Geochemical Exploration,2017,41(3)：521-526.

[10]贾瑞生,赵同彬,孙红梅等.基于经验模态分解及独立成分分析的微震信号降噪方法.地球物理学报,2015,58(3)：1013-1023.

Jia Ruisheng,Zhao Tongbin,Sun Hongmei et al.Microseismic signal denoising method based on empirical mode decomposition and independent component analysis.Chinese Journal of Geophysics,2015,58(3)：1013-1023.

[11]李会俭,王润秋,曹思远等.利用多尺度形态学识别微地震监测中的弱信号.石油地球物理勘探,2015,50(6)：1105-1111.

Li Huijian,Wang Runqiu,Cao Siyuan et al.Weak signal identification in microseismic monitoring with multi-scale morphology.OGP,2015,50(6)：1105-1111.

[12]宋维琪,刘太伟.地面微地震资料τ-p变换噪声压制.石油地球物理勘探,2015,50(1)：48-53.

Song Weiqi,Liu Taiwei.Surface microseismic noise suppression withτ-ptransform.OGP,2015,50(1)：48-53.

[13]崔庆辉,尹成,刁瑞等.地面微地震监测数据处理难点及对策.油气藏评价与开发,2017,7(1)：7-13.

Cui Qinghui,Yin Cheng,Diao Rui et al.Difficulties and countermeasure of surface microseismic monitoring data processing.Reservoir Evaluation and Development,2017,7(1)：7-13.

[14]赵争光,秦月霜,杨瑞召.地面微地震监测致密砂岩储层水力裂缝.地球物理学进展,2014,29(5)：2136-2139.

Zhao Zhengguang,Qin Yushuang,Yang Zhaorui.Hydraulic fracture mapping for a tight sands reservoir by surface based microseismic monitoring.Progress in Geophysics,2014,29(5)：2136-2139.

[15]谭玉阳,于静,冯刚等.微地震事件初至拾取SLPEA算法.地球物理学报,2016,59(1)：185-196.

Tan Yuyang,Yu Jing,Feng Gang et al.Arrival picking of microseismic events using the SLPEA algorithm.Chinese Journal of Geophysics,2016,59(1)：185-196.

[16]曹俊海,顾汉明,尚新民.基于局部相关谱约束的多道匹配追踪算法识别微地震信号.石油地球物理勘探,2017,54(4)：704-714.

Cao Junhai,Gu Hanming,Shang Xinmin.Microseismic signal identification with multichannel matching pursuit based on local coherence spectrum constraint.OGP,2017,54(4)：704-714.

[17]刘劲松,王赟,姚振兴.微地震信号到时自动拾取方法.地球物理学报,2013,56(5)：1660-1666.

Liu Jinsong,Wang Yun,Yao Zhenxing.On micro-seismic first arrival identification：A case study.Chinese Journal of Geophysics, 2013,56(5)：1660-1666.

[18]王鹏,常旭,王一博.基于时频稀疏性分析法的低信噪比微震事件识别与恢复.地球物理学报,2014,57(8)： 2656-2665.

Wang Peng,Chang Xu,Wang Yibo.Automatic event detection and event recovery in low SNR microseismic signals based on time-frequency sparseness.Chinese Journal of Geophysics,2014,57(8)：2656-2665.

[19]刁瑞,胡晓婷,崔庆辉等.微地震监测中等效速度定位精度分析及应用.油气藏评价与开发,2015,5(1)：49-53.

Diao Rui,Hu Xiaoting,Cui Qinghui et al.Precision analysis and application of equivalent velocity in micro-seismic monitor.Reservoir Evaluation and Development,2015,5(1)：49-53.

[20]王维波,周瑶琪,春兰.地面微地震监测SET震源定位特性研究.中国石油大学学报(自然科学版),2012,36(5)：45-54.

Wang Weibo,Zhou Yaoqi,Chun Lan.Characteristics of source localization by seismic emission tomography for surface based on microseismic monitoring.Journal

of China University of Petroleum,2012,36(5)：45-54.

[21]谭玉阳,何川,张洪亮等.基于初至旅行时差的微地震速度模型反演.石油地球物理勘探,2015,50(1)：54-59.

Tan Yuyang,He Chuang,Zhang Hongliang et al.Microseismic velocity model inversion based on moveouts of first arrivals.OGP,2015,50(1)：54-59.

[22]高少武,赵波,祝树云等.余弦函数自适应法识别与消除单频干扰.石油地球物理勘探,2011,46(1)：64-69.

Gao Shaowu,Zhao Bo,Zhu Shuyun et al.Identification and suppression of single frequency interference by using cosine function adaptive method.OGP,2011,46(1)：64-69.

[23]王纳申,张译丹,黄家旋等.用微地震技术评价姬源油田体积压裂的效果.物探与化探,2017,41(1)：165-170.

Wang Nashen,Zhang Yidan,Huang Jiaxuan et al.The application of micro-seismic monitoring and evaluation technology to evolution of volume fracturing effect in the Jiyuan oilfield.Geophysical and Geochemical Exploration,2017,41(1)： 165-170.

[24]张云银,刘海宁,李红梅等.应用微地震监测数据估算储层压裂改造体积.石油地球物理勘探,2017,52(2)：309-314.

Zhang Yunyin,Liu Haining,Li Hongmei et al.Reservoir fracturing volume estimation with microseismic monitoring data.OGP,2017,52(2)：309-314.