噪声分析.ppt

噪声分析.ppt

《噪声分析.ppt》由会员分享，可在线阅读，更多相关《噪声分析.ppt（118页珍藏版）》请在冰点文库上搜索。

,早上好！

东方地球物理公司研究院2005-6-21,地震数据中噪声分析方法,蔡希玲,东方地球物理勘探公司研究院,2005年6月21日,1.引言2.地震数据中噪声的分类3.噪声分析方法4.小结,主要内容,1.引言,“地震勘探的历史就是与干扰波做斗争的历史”,1.引言,野外采集：

表层调查：

激发：

井深、药量、激发方式接收：

检波器组合埋置观测：

覆盖次数炮检距室内处理：

叠前叠后,1.引言,多环节去噪,东部地区地表特征：

地表相对平缓表层结构简单,1.引言,东部地区地下地质特征：

区域差异较大多断陷、多断块、薄互层多含油层、多油藏类型,炮集统计自相关函数,过芦苇荡,地表高程曲线,测线方向,A0,过芦苇荡,地表高程曲线,西部地区地表特征：

地形变化剧烈表层结构复杂,1.引言,地表、地下双重复杂,1.引言,沙漠地区,表层覆盖的巨厚风化沙层，对地震波的能量和高频吸收严重。

地表起伏和表层不均匀，产生各种原生干扰和次生干扰。

1.引言,地表以蜂窝状沙丘为主沙丘起伏大且连续沙丘最厚可达80m一般为20-70m,沙漠地区沙丘分布平面图,1.引言,沙漠地区沙丘起伏剖面图,沙体,高速层顶面,表层结构图,沙漠地区原始单炮记录,沙丘下、上激发的原始炮集记录,山地山前带区,表层结构横向剧烈变化，地震记录炮与炮、道与道之间能量、频率差异大。

地表复杂使得激发、接收条件差，能量下传困难，多种干扰发育。

1.引言,河道砾石区,黄土覆盖砾石区,砾石山区,岩石出露区,山地山前带某区3D地表情况,1.引言,地表以山地为主，地形起伏剧烈；地势南高北低，东高西低；海拔在505-1157.8m，最大高差652.8m。

1.引言,测线位置视图,山地2D测线不同地段单炮差异较大,BC94-139,A,BC99-140,B,BC99-152,C,1.引言,可控震源记录,炸药震源记录,不同激发方式噪音类型存在差异,1.引言,2.地震数据中噪声的分类,噪声分类,环境噪声风吹草动机械干扰：

车辆行驶、人员走动、设备运转等电力干扰：

高压线、电话线、无线电、雷电、发电机等系统噪声仪器、采集站、大、小线、检波器的固有噪声激发后形成的噪声伴生干扰：

声波、面波等次生干扰：

次生反射、侧面波、建筑物引起的扰动等,2.噪声分类,噪声分类,规则噪声面波、线性干扰、交流电干扰等随机噪声风吹草动、背景噪音异常噪声猝发脉冲、扰动等,2.噪声分类,多方位、多角度分析噪声认识噪声，寻找信号与噪声的差异，期望最大限度地压制噪声，提高信噪比。

2.噪声分类,3.噪声分析方法,3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3.噪声分析方法,3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3、噪声分析方法,3.噪声分析方法,3.1噪声分布与近地表特征关系,每炮道数分布：

900720600400道,全区检波点高程分带图,炮记录炮检距分布,CMP炮检距分布,检波点位置（高程）,CMP覆盖次数,CMP方位角,炮点位置（高程）,多次波,炮集,全区资料中噪声分布规律：

不正常道分布区域,多次波严重区域多次波分布区域规则干扰分布区域其它噪声无规则分布,环境噪声、激发产生的噪声与地表条件有密切的联系。

分析地震数据中的噪声与近地表特征的关系有助于全面了解数据中噪声的分布规律和各种噪声的特点，以便采取适当的措施、压制噪声。

3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3、噪声分析方法,3.噪声分析方法,3.2数据多域显示,数据多域显示,共炮点记录,共中心点记录,共炮检距记录,共检波点记录,3、噪声分析方法,3.2,3、噪声分析方法,山地资料共炮集记录,炮集,近排列,不正常道,高频噪声,沙丘下原始共检点集,沙丘上原始共检点集,3、噪声分析方法,在共检点集上，干扰波具有明显的线性规律。

可以在共检点集上有效地压制线性干扰,3、噪声分析方法,沙漠地区共检波点记录,二、原始数据分析,

（1）静校正问题分析,炮集,二、原始数据分析,

（2）噪声分析,野值大值,沙漠地区共炮检距剖面,3、噪声分析方法,3、噪声分析方法,山地资料共炮检距记录,山地资料不同炮检距剖面,3、噪声分析方法,CMPgathers,CMPgathers,CMPgathers,CMP集,多方位分析,数据多域显示,3、噪声分析方法,从多种数据集上分析原始资料，能够更全面地了解数据中各种波的分布规律。

认识噪声在不同数据集上的表现特征后，可以选择在某种数据集上压制某种特定的噪声，确定叠前去噪流程，最大限度地压制噪声，提高叠前数据的信噪比。

3.2,3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3、噪声分析方法,3.噪声分析方法,3.3能量特征分析,能量分析方式,A-offsetA-TA-XA-surface,绘制各种能量曲线显示不同类型的数据集,分析信号与噪声的能量差异，在压制噪声后来选择振幅补偿方式及补偿参数。

3、噪声分析方法,能量特征分析,3.3,山地资料炮点高程与野外校正量曲线,715炮,469炮,339炮,A,C,B,3、噪声分析方法,A点715炮原始单炮记录,B点469炮原始单炮记录,C点339炮原始单炮记录,3、噪声分析方法,区域均衡后,单道均衡后,3、噪声分析方法,3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3、噪声分析方法,3.噪声分析方法,3.4频率特征分析,频率分析方式,F-offsetF-TF-XF-surface,分频扫描振幅谱FK谱FX谱时频分析,3、噪声分析方法,频率特征分析,3.4,3、噪声分析方法,山地资料单炮记录分频扫描（局部）,分频扫描（sw20）10-55Hz,频谱分析,3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3、噪声分析方法,3.噪声分析方法,3.5自相关特征分析,3、噪声分析方法,地震数据统计自相关参数的求取方法,自相关函数的计算,设单道地震记录能量有限，它的自相关函数为：

由信号在时、频域的表示关系可知：

记录的功率谱就是自相关函数的频谱。

由于振幅谱相同而相位谱不同的信号具有相同的自相关函数，这样，对一个特定的数据集而言，可以不考虑反射波的道间时差，而在一个时窗内求取统计自相关函数。

自相关特征分析,3.5,统计自相关函数的计算,为了保证统计结果的稳健性，程序中首先对一个数据集内的自相关函数值进行排序，取一定长度的中值或加权中值叠加作为最终的统计结果。

避免异常噪声对统计结果的影响。

等权处理,中值处理,自相关特征分析,3.5,统计自相关函数的特征参数的提取：

主极值r0次极值r1再次极值r2第一过零点时间第二过零点时间第三过零点时间合理计算,自相关特征分析,3.5,一段实际地震记录,t（ms）,A,（ms）,自相关函数,自相关特征参数示意图,r0,r1,r2,物理意义：

A0能量特征A1A2波形特征T1频率特征T2T3波形特征,1.0,（ms）,（4）能量分析,二、原始数据分析,检波点统计自相关能量横向变化大,检波点高程曲线,沙漠地区检波点统计自相关函数,自相关参数A0曲线,自相关参数T1曲线,沙漠地区地表高程曲线,3、噪声分析方法,山地资料单炮记录,局部放大,3、噪声分析方法,山地资料单炮记录,局部放大,3、噪声分析方法,炮集统计自相关函数,3、噪声分析方法,山区资料炮集统计自相关函数特征曲线,高程曲线,炮集统计分析检波点统计分析炮检距集统计分析地表条件的变化、野外采集因素的变化等多种因素的影响使得我们获得的地震数据（无论是信号还是噪声）在横向上的波形、频率和能量有较大的差异，通过自相关特征分析可以进一步认识这些变化的原因及与地表特征的关系。

自相关特征分析,3.5,3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3、噪声分析方法,3.噪声分析方法,3.6可视化显示,BALCH（1971）：

“记录在标准测线上的总信息量是巨大的，按照一种能理解的方式向用户显示这全部信息，实际上是不可能的”。

3DV是一种新型的软件显示工具，为数据的多方位分析提供了可能。

3DV采用了旋转、伸缩、切割等灵活的显示方式，允许分析人员观察到数据体的内部。

色彩的搭配、色调、饱和度、浓度和透明度等因素的调整有助于我们认识地震数据体中的各种特性。

3、噪声分析方法,可视化显示,3.6,二维测线叠前数据体,3、噪声分析方法,不同位置的炮集记录,3、噪声分析方法,不同炮检距剖面显示,3、噪声分析方法,不同时间的切片,3、噪声分析方法,借助于可视化显示这一软件工具，可以从各个角度认识原始数据，分析数据中信号和噪声的分布规律，能快速地综合出数据的各种特征。

处理人员根据分析结果，选择相应的处理参数，制定合理的处理流程，以取得理想的处理效果。

3、噪声分析方法,可视化显示,3.6,3.1噪声分布与近地表特征关系3.2数据多域显示3.3能量特征分析3.4频率特征分析3.5自相关特征分析3.6可视化显示,3.噪声分析方法,4.小结,分析的范围不同，观察的角度不同，可能得出的认识不同：

4.小结,数据处理过程的复杂性决定了处理人员需要用系统的分析方法，掌握从整体上考虑和解决问题的技巧。

强调多角度、多方位的分析数据，力求对数据特征有全面的把握，得出正确的认识。