基于长短时均值比法、偏振法和AIC法三种微地震初至拾取方法的对比

2020-09-14李洪丽张晗

世界地质 2020年3期

李洪丽，张晗

吉林大学地球探测科学与技术学院，长春 130026

0 引言

微地震监测技术是建立在地震学和声发射原理的基础上，以在压裂过程中形成的小地震事件为目标，通过展示裂缝空间立体形态达到裂缝监测的目的[1]。在天然地震中通过对微地震的研究，可以反演火山区速度结构，判断震区断裂走向和长度；在油气矿藏规划与开发中，微地震技术可以很好地确定油气矿藏信息，判断围岩稳定性。微地震监测主要分为井中监测和地面监测两种，监测的目标震源一般为油气矿藏开采工程中地下的围岩破裂所产生的微小扰动。由于微地震大多更近地表，其频率较天然地震高，一般在50～200 Hz之间，微地震频率随传播距离的增大而降低，当传播距离足够大时，信号频率基本不变[2]；微地震比一般的地震信号信噪比低，更容易受随机噪声的影响，数据处理过程较为复杂。微地震信号初至的拾取作为微地震数据处理中的一个重要步骤，对后续的震源定位及其他数据处理有较大的影响[3-5]。在自动拾取技术发展之前，一般采取人工拾取到时的方法，但人工拾取耗时费力且效率低下，由于操作人员的技术水平、工作时长等主观因素，也会给数据拾取带来诸多不稳定因素，进而会导致最终分析结果出现一系列误差，显然地震信号初至的自动拾取方法更适应科技的发展需求。自20世纪70年代以来，微地震信号初至的自动拾取方法得到了迅速发展，长短时均值比(STA/LTA)法[6-17]、偏振法[16-22]和AIC(Akaike Information Criterion) 法[23-27]3种方法逐渐被国内外研究者采用并不断改进。但3种方法在实际运用中效果均有不同的适用条件，在野外实际应用中仍需要进行深入研究。本研究将上述3种微地震拾取方法在实用中的优缺点情况进行比对，在此基础上将3种微地震拾取方法进行综合运用，获得一种即便未经过去噪声处理的数据也可以用该方法准确地拾取到时的新方法，能有效地对微地震信号弱、信噪比低且存在强噪声的微地震信号进行初至拾取。

1 微地震初至拾取方法

1.1 长短时均值比(STA/LTA)法

长短时均值比法，又称能量比法，是利用噪声信号与地震信号振幅差异来进行初至拾取。是基于短时窗与长时窗的能量比，其比值函数公式为：

(1)

式中:Ri为比值函数值;STAi为短时窗平均值;LTAi为长时窗平均值;N1为长时窗、N2为短时窗;CFi为特征函数，表征某点地震信号的能量，即

(2)

Ambuter et al.[7]首次提出了一套简易的能够识别地震震相的系统，长短时均值比(STA/LTA)法是由Allen[8]在1978年提出(STA代表短时窗平均，LTA代表长时窗平均)，该方法由于运算速度快且应用简单很快被国内外研究者广泛采用。为提高STA/LTA比率对幅度和频率变化的灵敏度，1982年Allen[9]再次提出使用特征函数代替原始微震信号作为STA/LTA方法的输入。张军华等[10]结合小波变换和能量比法拾取地震信号初至时间。叶根喜等[11]提出用时窗能量特征法拾取微地震波初始到时。Baer[12]提出运用时窗均值比进行拾取。吴治涛等[13]研究拾取精度与不同时窗长度的影响关系。吕世超等[16]根据有效信号的空间与多通道探测器坐标参数相关性，通过研究多通道之间和相邻通道之间有效微震信号的变化特征，获得多级探测器微震有效事件的自动识别方法。谭玉阳等[6]提出了SLPEA方法(一种基于多通道相似系数的微震事件自动识别方法)。李启成等[17]提出用“振幅变化”长短时均值比方法拾取P波到时，对长短时均值比方法进行了拓展。

1.2 偏振分析法

微地震信号一般为三分量数据，分别为x，y，z。由于地震信号与随机噪声的运动轨迹存在明显的差别，这就使在三分量数据上拾取初至提供了可能。利用偏振分析法拾取初至的步骤为：选取一个滑动时窗，利用所选取时窗里的地震信号三分量数据构造一个协方差矩阵[6]

(3)

(4)

式中:P代表偏振度。偏振分析法通常将P点极大值前曲线斜率最大的点作为地震波的初至点。

Flinn[18]1965年引入协方差矩阵，国外专家学者纷纷对时间域协方差偏振分析进行了研究。Moriya et al.[19]提出了一种三分量地震数据傅里叶变换，通过阈值设置拾取到时。Du et al.[20]为解决信号时频局部矛盾，引入多阶窗函数。朱卫星等[21]对该理论进行改良，实现自适应极化滤波,资料处理效果得到了明显的改善。李健等[22]在原有偏振分析的基础上增加信号检测频带，提高了偏振分析质量，有效改善了方位角估算的准确性。谭玉阳等[6]在综合地震信号与环境噪声在振幅、偏振以及统计特征等方面存在的差异基础上提出了SLPEA算法，提高了结果的准确性。

1.3 AIC方法

AIC(Akaike Information Criterion) 方法又称统计学方法，在微地震数据中信号和噪声统计特性差别较大，导致在微地震信号和噪声交界点处，两种信号的拟合度最差，此时求得的AIC值最小，即对应微地震信号初至时刻[23]。AIC函数定义为：

AIC(k)=klogVar(x[1,k]))+

(N-k-1)log(Var(x[k+1,N]))

(5)

式中:{xi}，i=1,2,3,…,N为地震信号的离散波形序列;AIC值表示地震记录中其余部分和信号噪声模型的匹配程度，在时窗正好包含了地震信号前后一段波形的情况下，AIC函数在初至点峰值尖锐，准确率较高。

Maeda[24]根据微地震信号与噪声信号在数据统计上性质的差别，提出不需要利用AR 模型就能得到AIC值的方法。Zhang et al.[25]用小波分解与 AIC方法相结合拾取初至时间的方法，使噪声得到了有效压制，从而提高了AIC方法对低信噪比数据拾取的准确性。宋维琪等[26]对小波分解与AIC方法相结合的方法进行了实际监测验证，结果表明小波-AIC方法能够在较低信噪比情况下较为准确地识别出微地震信号。王洪超等[23]以原AIC方法为基础，简化其中的计算公式，提高了运算速度。巩佳琦等[27]通过大量实验验证 AIC-Shearlet算法在信噪比低至-13 dB情况下自动拾取的准确性，证实该算法优于传统初至拾取算法。程一鸣等[3]为更为精确地估计强噪声数据初至，提出一种基于小波多尺度分析( WMA) 和 AIC 算法的联合拾取方法，能有效适用于强噪声微地震数据初至拾取，并明显提高其拾取精度。

由上面STA/LTA法、偏振法和AIC法3种方法原理及研究进展情况，可以了解到，每种方法都有其适用条件，且每种方法均都存在继续改进与优化的空间，国内外研究者已经做了大量相关研究工作。为能够获得在多种条件下都能够较为准确地拾取地震初至的有效方法，笔者综合运用上述3种微地震初至拾取方法，获得一种能有效对微地震信号弱、信噪比低且存在强噪声的微地震信号进行初至拾取的新方法。

2 微地震实验数据

为改进微地震事件中P波的震相识别和到时拾取的算法，并比较不同算法各自的优缺点。笔者综合微震信号和环境噪声在振幅、偏振、统计特征以及波形相关性等方面的差异与已有的算法，寻找能够有效自动识别地震相的特征函数，依据特征函数进行数据和信号的处理，最终实现微震初至的自动实时识取和震源定位。图1～4分别为选取的野外实测地震台站中4个不同位置台站接收到的地震的三分量波形中的垂直分量(Z)，是经过10 Hz高通滤波后的微地震信号，作为本研究采用的地震数据，通过这4组数据完成 STA/LTA法、偏振分析法和AIC方法的数据处理情况比对。上述4个台站的数据是由布设在长白山火山附近的宽频带流动地震台站接收到的天然地震的波形数据，由于该波形数据初动清晰，可以采用人工读取的初至走时和上述3种方法自动读取的走时进行对比，以评估方法的可靠性。

图1 数据1：台站1接收到地震的三分量波形Fig.1 Data 1：three component waveform recorded by station 1

图2 数据2: 台站2接收地微震三分量波形Fig.2 Data 2：three component waveform recorded by station 2

图3 数据3: 台站3接收的地震三分量波形Fig.3 Data 3：three component waveform recorded by station 3

图4 数据4: 台站4接收的地震三分量波形Fig.4 Data 4：three component waveform recorded by station 4

其中，图1～4中的Amp代表地震波振幅，R,T,Z分别代表三个不同波形分量，s代表时间秒。

3 数据处理结果与讨论

3.1 3种方法初至拾取结果对比分析

将图1～4的地震三分量波形数据设定不同的参数，分别用STA/LTA法、偏振法和AIC法3种微地震信号的初至自动拾取方法进行输出，具体参数情况及数据输出结果分析等见表1～3。由分析结果可知，单独的一种方法有时并不能准确地拾取初至时间，而且都有各自的适用条件。

表1 STA/LTA法的输出结果优缺点分析比较Table 1 Analysis of advantages and disadvantages for STA/LTA method

表2 偏振分析法的输出结果优缺点分析比较Table 2 Analysis of advantages and disadvantages for polarization method

表3 AIC法的输出结果优缺点分析比较Table 3 Analysis of advantages and disadvantages for AIC method

3.2 初至拾取方法改进及拾取结果分析

由于STA/LTA法对低信噪比数据识别精度不高，而偏振分析法对噪声的压制较为有效，二者结合能有效地互补优缺点。本文采用偏振分析法对能量比法进行改良和优化，即选取一个时窗，并列出关于该时窗内数据的协方差矩阵，求取该矩阵的最大特征值，以该值代替时窗内某点的数据，利用能量比法求取长短时窗平均比。两者结合能有效地使优缺点互补，从而达到对低信噪比数据的准确拾取。

基于以上研究，本文提出综合法(3种方法相结合)来对微震初至走时进行拾取，该种方法用经过偏振分析法改良的能量比法对震相进行初步识别，确定初至所在范围，根据该范围选择一个时窗，在该时窗内对数据运用统计学方法进行初至拾取。该种新方法对噪声抑制较强，即便是未经过去噪声处理的数据也可以用该方法准确地进行初至拾取。以图1中展示的未经过任何滤波处理原始波形数据(图5)为例进行综合法方法测试。

图5 数据5：台站1接收到的未做滤波处理的三分量波形Fig.5 Data 5：three component raw waveform recorded by station 1

针对数据1的未经滤波处理的原始微地震波形(图5)运用综合法进行初至拾取，利用经偏振分析法改良的能量比法对震相进行初步识别(红线表示位置)(图6a)，确定初至所在范围，根据该范围选择一个时窗，在该时窗内对数据运用AIC统计学方法进行初至拾取(图6b)。获取的初至结果显示，原始微地震波形数据(图5)采用综合法获得初至走时与滤波后的波形(图1)获得的初至走时基本一致。这表明即使微地震信号很弱、信噪比低、存在强噪声，但综合法仍然能够准确的拾取初至时间。