基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
从噪声比较大的水力压裂监测(HFM)数据中自动识别微地震事件并不容易。主要原因有二:其一大多数数据处理都不得不在没有监督的情况下完成,其二不同试验之间的信噪比相差很大,而且会非常低。这些为识别隐藏在噪声中的信号带来了困难。此外,噪声中通常还包含空间上相关的分量,例如来自泵噪声的井筒模式(borehole modes),它们类似于裂缝生长产生的微地震事件,这进一步增加了识别真正的压裂微地震事件的难度。为了解决这个问题,开发出了把信号和噪声信息结合起来的统计方法,用于自动且准确地识别高噪声背景中微弱的微地震事件。利用这种基于新型统计测试的方法,可识别多分量检波器组合中各分量和检波器的包含相干初至波的时窗,并确定检测结果的置信度。这种方法在真实的油田数据中得到了应用,结果证实它有效的。
推荐文章
人脸自动识别方法综述
人脸自动识别
人脸检测
人脸定位
特征提取
峰度和AIC方法在区域地震事件和直达P波初动自动识别方面的应用
峰度方法
Kurtosis-AIC方法
地震事件识别
震相识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 高噪声背景中微地震事件的自动识别方法
来源期刊 石油地质科技动态 学科 地球科学
关键词 自动识别方法 地震事件 噪声背景 检波器组合 水力压裂 多分量 数据处理 统计方法
年,卷(期) 2010,(1) 所属期刊栏目
研究方向 页码范围 60-64
页数 5页 分类号 P315.9
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自动识别方法
地震事件
噪声背景
检波器组合
水力压裂
多分量
数据处理
统计方法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
石油地质科技动态
双月刊
北京学院路31号
出版文献量(篇)
649
总下载数(次)
4
总被引数(次)
0
论文1v1指导