1. 引言
根据岩石的弹性特质,将天然地震学发展到地震勘探工作中。其工作环境一般以地表和浅井为主,利用可动可控源激发产生波向地表以下介质进行传播,由于地下空间层位不同、特性不同,波在传播过程中会产生不同情况的波动,波动的信号反馈到装置检波器中。通过分析采集的数据中v、t、f来反映对应的岩层,可探明各界面的构造及岩性。
地震勘探可以根据波的传播特性大致分为四种。第一种为反射波法:由采集的反射波数据中时距曲线反演出发生反射的界面几何形态。所采集数据中包含的岩石动力学特征也可用于岩石层位识别。近年来探明基岩面、推断地下结构、确定岩土地球物理特性、找断裂和破碎带等相关的工程勘察领域都引入了反射波勘探方法。浅层反射波法排列短,震源的能量小,无屏蔽层的影响,信息的获取多以及结论直观是优点,是一个很有前景的工程地震勘探方法,但不容易获得高质量的反射记录,数据处理较复杂,由于勘探目标较浅,因此称为浅地震反射方法 [1]。
2. 课题研究背景、目的和意义
反射测量通常分先进行数据采集,然后将采集的数据进行滤波处理,再对应的进行解译。所采集的原始数据中有效部分被大量干扰数据掩盖叠加,并且由于施工现场复杂的情况导致数据质量不能直接使用。由此可见数字化处理地震数据的必要性。将原始数据改造后拾取可用信息即为地震数据的数字化处理。地震勘探在工程中被大量使用后,寻求能提高信噪比、提高分辨率、提高保真度的方式。物探工作人员一直以前面提及的三高要求为工作责任,其中的基础工作就是提高数据的信噪比,提高信噪比就能提升分辨率,使处理后的数据能更顺利的完成解译工作,并增强可信度。处理反射波数据的过程有如下几个步骤:数据预处理、信号去噪、静和动修正、水平叠加和偏移处理 [2]。
面波在常规反射波勘探中是噪音,属于无用信号。在处理原始数据中一定要将面波干扰影响降到最低,同时尽可能少得牺牲有用信号。次声波瑞利面波的特性主要为:频率低、能量强、沿界面传播、能量与界面之间的距离成反比 [3]。由于浅层地震勘探工作环境一般处于地形复杂区,导致原始的单炮记录中掺杂多种多样的环境噪声和内部噪声。面波作为影响因素最大的强能量波与原始数据中的有效波反复叠加,十分影响处理数据时的DMO和速度分析步骤。
在传统地震面波压制过程中,经常采用一维滤波,F-K变换。随小波技术逐渐发展成熟,根据频率域和时间域中小波变换的特殊性压制面波效果显著。一下所做研究即是利用以上原理研究小波变换中的一维和二维离散变换,目的是提高采集数据的信噪比来提升分辨率。
3. 面波压制现状
面波在时间域中是强能量的线性的干涉波,一般以扇形形式存在,尤其会对拥有复杂地形的浅层反射地震记录产生非常大的影响,影响形式也很多样,对后续数据的压制处理增加极大的难度 [4]。根据以上发现的问题,寻找特定系数特定装置的压制面波方法显得极为重要。在浅反射勘探收集的干扰波一般以瑞利波为主,所以本文主要研究有效方法来压制瑞利波。瑞利波具有频率低的特性,所以其在均匀介质中速度和在非均匀介质中速度的决定因素不同,前者被介质的弹性常数约束,后者则被速度和频率约束。面波通过地下介质传播过程中的振幅与深度成反比:沿通过地表传播时反比例的值较通过地下介质时小。与此同时地下介质对反射波还产生吸收效应和球面扩散效应,同样导致可用的有效波能量衰减,结果体现在有用的波比无用的波能量小得多。
现有的抑制干扰波(面波)办法都是使面波以线性分布的形式呈现在炮集上,一般的方法如下:高通滤波、τ-ρ变换、F-K滤波、K-L变换、中值滤波、分频带处理,小波变换等 [5]。目前应用在浅层物探中的频率滤波、τ-ρ变换和F-K是被从事物探人员使用最成熟的,其中最基础的是频率滤波。利用频率滤波时并不能很好地分离面波频带和反射波频,具有损坏有效波的缺点。为避免此情况的发生便出现了频率域衰减压制面波,可以确保压制的效果只在波频带内有效。F-K滤波则利用二维傅里叶变换对地震信号进行处理,用F-K域替换掉t-x域,很好地将面波和反射波各自的频率、视速度分离,降低了噪声干扰。然而以上方法都是对数据进行宏观的全局处理,并不能兼顾到局部特征,所以会损失有效波,并没有实际意义上的提升分辨率和信噪比。作为重要成果的小波分析已被广泛应用于众多领域。原则上,小波分析可以完全替代傅里叶变换,其特点就是频率窗内可以改变的同时时间窗也可以操作。法国地球物理学家Morlet于1981年最先提出用小波分析的方法来处理地震数据。但在信号处理和图像处理中才得以广泛发展。我国比国外晚了近十年时间才真正开始利用小波分析处理地震资料 [6]。
直到最近,在国内的论文上才比较常见物探研究人员使用一维和二维离散小波变换来抑制面波。应用一维离散小波变换对原始数据进行去噪的效果已经比基础方法好,加上具有方向性特性的二维离散小波变换也能抑制面波。另,在计算机软件硬件的高速发展支持下,曲波变换方法也逐渐成熟并被广泛应用。
区别于以上方法,还有非傅里叶变换方法,也可完成抑制。如τ-ρ变换、奇异值分解、中值滤波和K-L变换等其他方法 [7]。τ-ρ变换就是根据地震波所在T-P域呈现出的不同状态的线性拉东变换。该方法分离波场的原理就是面波、直达波和直达波的慢速不同,同时在t轴上的截距也不同。奇异值分解方法确定面波同相轴方向的依据是分解后的轴向奇异值和地震数据奇异值存在差距。该方法在抑制面波的同时可以屏蔽规则干扰。中值滤波也是在特定的面波干涉等同于时窗最强斜率能量方向进行剔除。
4. 本文研究工作
浅反射勘探中干扰波的种类有许多,其中面波的能量最强也最规则。因为物探人员逐年增长的数据处理需求与现有剔除面波方法产生矛盾,所以十分需要新式方法在处理面波的同时更有效的保护有效信息,为数据处理后续的解译提供更好的支撑。基础的F-K滤波方法不能高效的去除面波成分;时频分析方法的灵活性具有两面性忽略道与道之间的联系;多炮多道的记录效率较低 [8]。以上是传统滤波方法的局限性,为达到更高需求的数据处理需要对几种方法保留优势的同时减少劣势,取其最优解。
5. 原始资料分析
5.1. 地震资料干扰成分分析
收集数据后,首先对解编后的原始数据检查,发现原始地震数据存在部分坏道,异常振幅。如果不剔除这异常,会影响后续处理工作,造成叠加及偏移成像异常。如图中所有,Line710中629炮相比邻炮,具有明显异常能量。图中可见明显的邻炮干扰与异常的干扰道,见图1,图2。
![](//html.hanspub.org/file/30-2950929x7_hanspub.png?20220920082448044)
Figure 1. Anomalous amplitude shot recording
图1. 异常振幅炮记录
![](//html.hanspub.org/file/30-2950929x8_hanspub.png?20220920082448044)
Figure 2. Jammer recording and abnormal track noise
图2. 干扰炮记录与异常道噪音
图3左中可见明显的炮偏现象,需逐一进行校正。图3右为校正后结果。
![](//html.hanspub.org/file/30-2950929x10_hanspub.png?20220920082448044)
Figure 3. Before and after gun deflection correction
图3. 炮偏校正前后
5.2. 频率分析
为了提高信噪比和分辨率,我们首先要确定数据中明显的有效波频带。对资料进行频谱分析和频率扫描处理后,锁定靶区的主频后保证有效频段带宽并将其拓宽,然后把有效信号的好用频带范围准确识别出来,再将干扰信号所体现的频率特征进行标记和概括。频率扫描处理图1单炮记录后,60赫兹以下为有效信号的高频部分,而有效信号在大于75赫兹部分并未出现,见图4。
![](//html.hanspub.org/file/30-2950929x12_hanspub.png?20220920082448044)
Figure 4. Single shot recording frequency sweep
图4. 单炮记录频率扫描
通过频率分析,可以了解,主要干扰源——面波,与有效反射信号存在一定程度的频谱重叠,简单地通过频域压制会伤害到有效波。并且同一频段下,两者能量比随着深度变化,需要在时频域内设置时变阈值,进行精细面波压制。
5.3. 能量分析
由前文测线典型的原始单炮记录可知:其中数据能量变化与时间成反比,有效反射能量在靶层上不清晰。波在传播过程中会损失自身能量并叠加其他噪声能量是主要原因,所以做好球面扩散的补偿工作尤为重要。
图5单炮记录中,可见能量随深度衰减严重,几乎只有强震幅的面波可见,有效反射信息被干扰成分掩盖。需要进行能量补偿后,去除干扰噪音,多反复补偿,提高深部反射信号能量。
6. 关键处理技术
多域联合去噪为本文使用的最关键的处理技术环节。对类型不同的噪声进行不同方法进行有针对的分类消除,尽量保证在去噪时不伤害有效信号,又不产生多余的其他效应,所以应该小心谨慎的按照规律和规范对其进行处理。噪声针对性去噪方法如下:利用自适应高能噪声衰减去除高能噪声;利用分频噪声衰减去除低频涌浪干扰;利用差分方程滤波去除线性噪声;利用叠前随机噪声衰减去除随机干扰等不同类型噪音干扰。
1) 低频干扰去除
由以上地震数据易知工作区内低频的干扰信号明显,并且其具有的能量不弱,采用基础高通滤波进行处理会把干扰和部分有效波一同去除。由此造成的结果就是反射波波形呆滞且丢失有效信息,信号分辨率被滤波处理后降低。所以我们使用频谱编辑法对低频干扰进行压制,保护有效信号。
2) 区域异常噪音分频衰减
该方法的方式为采用共偏移距域、共检波点域、共炮点域、共中心点域来标识数据中振幅的分布特征,依据特恒来针对性的消除或压制异常值。
3) 异常振幅噪音消除
异常振幅,即随机噪音。噪音消除处理是以盒子滤波(Boxcar filter)和中值滤波(Median filter)为原理,识别和消除噪声 [9]。地震波传播理论是盒子滤波的理论基础。以球面波的形式激发的地震波向外部扩散延展。其产生的影响效应在地面表现为一定数值内的面积(非线性的)反馈给接收检波器。说明地下空间某位置反射波对地表一定范围内面积产生影响,并且在这个面积内有且不止一个接收点。则相邻两个地震道上的有效波是有密切联系的;随机噪音相反。盒子滤波装置能够准确识别出无用波长、有效信号和速度的瞬时频率范围并且消除的依据就是如上。常规的中值滤波的处理步骤就是讲所成数字图像或所计算的数字序列中某点对应的值用其邻域中各点值的计算中值进行替换 [10]。中值的定义如下:
序列中一组数
,将数量为n的值从小到大顺序排列如下:
(1)
(2)
将y定义为序列中值。定义某点所对应的约定长度或特定形状邻域为窗口。可以利用某种特定形式的二维窗口来针对处理二维中值滤波。设
表示序列中各个点对应的灰度值,定义滤波窗口为A的二维中值滤波为:
(3)
如上就可以在叠前数据上识别不正常道和野值,从而完成对面波的压制。
步骤:
1) 首先精确定位干扰波类型、量值等,利用盒子滤波来完成过程;
2) 其次精确识别定位的干扰波,利用中值滤波来完成过程;
3) 最后消除原始记录中所选干扰波。
先用一维连续小波变换将原始数据转换到时频域,然后确定其门槛值和与其对应的衰减因子来重构小波系数,就能完成此方法处理后的信号剖面,见图6。
![](//html.hanspub.org/file/30-2950929x19_hanspub.png?20220920082448044)
Figure 6. Comparison of wave-time spectrum and short-time Fourier time-frequency analysis spectrum
图6. 小波时频谱与短时傅里叶时频分析谱对比图
对叠前数据进行小波分解,对各级系数重构。通过分析不同系数的重构信号的时频谱,可有效识别高频噪音与低频面波成分。如图7左所示,为D1系数重构得到的100 ms处的高频噪音。图7右系数重构得到的高频成分。其只出现在100 ms处。不视为有效成分。可进行压制。图8为系数对应的单炮记录。
![](//html.hanspub.org/file/30-2950929x20_hanspub.png?20220920082448044)
Figure 7. The time spectrum of the reconstructed signal with wavelet coefficients D1 and D2
图7. 小波系数D1、D2重构信号的时频谱
![](//html.hanspub.org/file/30-2950929x22_hanspub.png?20220920082448044)
Figure 8. Single shot record corresponding to D1 and D2 frequency components
图8. D1与D2频率成分对应的单炮记录
图9与图10为低频高能量成分,其主要成分为低频面波,可进行适应压制。图11同样为重构信号时频谱及对应的单炮记录。
![](//html.hanspub.org/file/30-2950929x23_hanspub.png?20220920082448044)
Figure 9. The time spectrum of the reconstructed signal with wavelet coefficient D4 and the corresponding single shot record
图9. 小波系数D4重构信号的时频谱及对应单炮记录
![](//html.hanspub.org/file/30-2950929x25_hanspub.png?20220920082448044)
Figure 10. The time spectrum of the reconstructed signal with wavelet coefficient D5 and the corresponding single shot record
图10. 小波系数D5重构信号的时频谱及对应单炮记录
![](//html.hanspub.org/file/30-2950929x27_hanspub.png?20220920082448044)
Figure 11. The time spectrum of the reconstructed signal with wavelet coefficient D6 and the corresponding single shot record
图11. 小波系数D6重构信号的时频谱及对应单炮记录
如图12所示,通过对小波系数中D6,D5进行适当压制后,单炮记录上面波面成分能量明显减少,有效波得到凸显。资料信噪比得到明显提升。图13为小波分频压制效果。图14为最终压制效果对比。
![](//html.hanspub.org/file/30-2950929x31_hanspub.png?20220920082448044)
Figure 13. Surface wave suppression by wavelet frequency division
图13. 通过小波分频进行面波压制
![](//html.hanspub.org/file/30-2950929x32_hanspub.png?20220920082448044)
![](//html.hanspub.org/file/30-2950929x33_hanspub.png?20220920082448044)
Figure 14. Cannon surface wave suppression results
图14. 炮面波压制成果
7. 结论
本文以上描述的方法是将发射波与面波间的频率差异识别出来,在频率域内抑制面波对有效数据的影响。提升频率域抑制面波的能力是根据一维离散小波变换来实现。其过程中需要操作Matlab程序编辑工具箱辅助编译,完成分频带的步骤。在进行二维离散小波变换之前在频率–波数域中处理原始数据,处理反射数据则利用F-K滤波来完成。二维离散小波变换抑制噪声则是通过编程来完成,再将两种方式压制后的效果进行取优。一维连续小波变换与重构用Matlab编程实现其过程。用一维小波变换的方法把其中的反射信号转到时间尺度域内。根据面波时频特性和反射波时频特性,面波采取自适应抑制的过程通过面波和反射波时频特性来完成。对某地采集原始数据进行如上方法压制后可见效果比传统压制方法效果更好。
致谢
感谢黄河中游流域生态修复支撑调查项目负责人刘义和其他对论文完成提出帮助和宝贵意见的人。