论文部分内容阅读
目前,微地震监测技术在油气井压裂裂缝监测中得到了广泛应用。油气井压裂过程中产生的微地震事件通常具有持续时间短、能量微弱、信噪比低等特点,有时外部的噪声信号甚至能将微地震有效信号湮没,这些都对微地震资料的信噪比造成很大影响。在微地震资料的处理流程中,信噪比是基础和关键,直接影响着震源定位的精度。若信噪比较低,将使最终定位结果出现严重偏差。因此,必须首先对微地震资料进行滤波去噪处理,以提高信噪比。滤波去噪技术作为提高信噪比的主要手段,一直都是国内外专家学者的研究焦点。目前,在微地震资料去噪方面存在很多种方法,如自适应滤波、小波去噪,以及基于系统模型的卡尔曼滤波(Kalman Filter,KF)。本论文以微地震监测技术为研究背景,以微地震信号及其参数辨识模型为研究对象,针对现有微地震资料去噪方法的局限性,对基于微地震信号辨识模型的最优滤波算法进行了探索研究,成功建立了微地震合成信号和实际微地震信号的辨识模型,并将基于辨识模型的KF、UKF、SR-UKF滤波算法应用在微地震资料去噪处理中。论文主要内容如下:(1)微地震合成信号和实际微地震信号的辨识建模是本课题的主要研究内容之一,也是实现基于辨识模型的最优滤波算法的必要条件和基础。本论文对微地震信号进行研究和分析,采用衰减震荡周期波形合成微地震信号,并从高信噪比的微地震监测资料中提取实际微地震信号。通过Prony数据辨识算法建立了微地震合成信号和实际微地震信号的ARMA模型,并进一步转化为适用于KF滤波框架的状态空间模型,从而消除了机理建模过程中因假设和线性化处理所导致的模型误差,提高了模型精度。(2)设计了一种基于微地震信号辨识模型的KF滤波算法。本论文在微地震信号辨识模型的基础上,设计了一种适用于微地震资料去噪的KF滤波算法。通过对不同能量信噪比的微地震合成资料和实际微地震监测资料进行去噪处理,KF滤波算法能够较好的滤除微地震合成资料中的随机噪声。由于实际微地震监测资料中噪声的复杂多样等因素的影响,KF算法存在滤波精度不高和去噪不彻底的问题。(3)设计了一种基于微地震信号辨识模型的平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SR-UKF)算法。本论文在微地震信号辨识模型和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的基础上,针对UKF滤波存在的计算量大和协方差矩阵非正定的情况,设计了一种适用于实际微地震监测资料去噪的SR-UKF滤波算法。通过对不同能量信噪比的微地震合成资料和实际微地震资料进行去噪处理,SR-UKF算法能够有效滤除微地震合成资料和实际微地震监测资料中的随机噪声,改善KF算法的去噪效果,并能提高UKF算法的数值计算稳定性。(4)总结KF、UKF和SR-UKF滤波算法在实际微地震监测资料滤波去噪处理中的弊端和不足,探讨了后续研究中可以实施的改进滤波算法。