mcluster-微地震波形相关及震群自动识别软件
地震资料处理集群中CMU管理软件的应用
47SYS MANAGEMENT 系统管理摘要：在分析集群管理软件CMU功能及在地震资料处理集群中管理集群方法的基础上，通过实例介绍CMU在石油地震资料处理集群部署、监控、管理取得的效果，指出CMU在实际应用中的优点和存在的不足。
关键词：CMU；集群；监控一、CMU 简介CMU 是集群控制单元（Cluster Management Unit）的简称，与仅在集群基础层监控基础架构的工具不同，它可以对集群的工作负载和资源进行全面监控，包括节点硬件信息、运行状态、报警信息等，对集群系统各个节点状态一目了然。
单一的界面中能够同时动态监控1024个节点的状态，同时利用克隆技术对集群节点操作系统进行批量分发（见图1）。
图1 CMU 监控主界面CMU 的监控功能是通过收集每个集群节点上CMU 守护进程所采集的信息实现的。
将集群节点物理位置信息和节点的ip 地址等信息输入到CMU 系统的控制台中，能够自动扫描收集节点的硬件信息（CPU、内存、硬盘等）把数据集合和显示图形分成不同对象后重新处理、重新组织，以流式网络图形格式PNG（Portable Network Graphic Format）来显示各种不同的状态图，即可实现对集群的动态实时监控[1]。
主要组成部分如下所述：（一）守护进程CMU 守护进程部署在集群计算节点上的信息采集守护程序，通过SmallMonitoringDaemon 进程实现。
采集的信息包括计算节点的物理信息（如CPU，内存使用量）等监控信息，守护进程查看方法如下：[root@hc18n01a ~]# ps -ef |grep cmu/o p t /c m u /b i n /S m a l l M o n i t o r i n g D a e m o n -h 192.168.14.10 -o 48560 -O 49074 -i 48557 -a /opt/cmu/etc/ActionAndAlertsFile.txt -t 5000000 -M 192.168.14.254 -f 1 -s 1 -L 0 -r 0（二）CMU GUI 功能CMU GUI 功能是集群管理监控系统的核心，通过管理服务器中的JAVA 实现控制界面的呈现，系统管理员可以在控制界面中操作所有功能，如在node management 选项中添加需要监控的集群的名称、节点名称、ip 地址等，CMU 将实时监控的结果整理后通过图表方式分类显示给用户[1]。
Omega地震数据处理系统介绍
• •
同相轴拾取控制参数窗口
数据显示参数窗口
辅助实用程序
JOB_VU:Omega作业监测器---监视提交作业的状态，运行的环境，可对正在运行的作业进
行删除和查看宽行
TraceDump:Omega数据体道头信息卸载---卸载某一数据体的道头信息和查询数据体
处理历史
Xfedit:Omega文本编辑器---提供方便的文本编辑工具 Xshow:Omega的文件管理器---可以对Omega工区内的各种文件进行拷贝、
是承接野外与提供可应用的地震成果资料的 重要中间环节。
1、对野外采集的地震数据进行检查、分析 2、为下一步的地震资料解释提供可靠的基础资料
地震 资料 解释
进行构造解释和岩性等综合解释， 为地质综合研究 提供各种地震成果资料。
2、主要处理软件介绍：
Omega Grisys Focus Promax CGG 西方地球物理公司地震处理软件 中国东方地球物理公司处理软件 帕拉代姆地球物理公司处理软件 LANDMARK 处理软件 法国CGG公司地震处理软件
工区管理结构示意
IVP（交互速度分析）— 交互速度分析的图形界面（2）
速度工区列表
速 度 拾 取 、 编 辑 点 显 示
组名
交互速度分析结构示意
线号
主要功能：
Cmp点号
1、交互速度拾取、编辑 2、多种辅助数据显示，包括速度谱、CMP道集 、交互叠加剖面，MVF叠加剖面、层位时间、 邻近速度曲线、速度组、层速度显示等。 3、层位拾取、编辑功能 4、多种速度、层位QC手段
切除前后道集对比
DDI（数据驱动式交互处理）— 交互处理的图形界面
时窗定义
显示信息定义
起始时间定义
IMS微震系统介绍
详细产品概览IMS提供了数字化，智能化，高分辨率的地震监测和控制系统，具有在线地震信息处理，分析和可视化功能。
该系统易于使用，可在Microsoft Windows或Linux操作系统下运行。
除地震方面，许多非地震岩土工程传感器也可以用于监测。
当信号或某些参数超过阈值时，具有报警、控制和（或）停机功能。
该系统基于模块化设计，易于扩展，可从自记式监测单元扩展成连接数个台站的复杂网络。
并提供全天候24小时技术支持。
硬件概览IMS微震系统的硬件主要分为三个部分，即传感器，数据采集器和数据通信部分。
∙传感器将地面运动（地面速度或加速度）转换成一个可衡量的电子信号。
非地震传感器也可以用于IMS地震网络。
∙数据采集器负责将来自传感器的模拟信号转换成数字格式。
数据可以被连续记录采集，或采用触发模式，通过特殊算法来确定是否记录微震事件发生的数据。
∙地震数据同时被传输到一个中央计算机或本地磁盘以待储存或处理。
系统可以采用多种数据通讯手段，以适应不同的系统环境需要。
微震传感器微震传感器通过将地面运动（地面速度或加速度）转换成一个可衡量的电子信号来衡量微震活动。
由于信号在本质上是模拟信号，传感器必须被连接到一个数据采集装置，将其转换成数字格式以待被计算机读取输出。
所有IMS传感器都包含智能电子元件以提供传感器类型，序列号和方向标识。
此外，智能传感器能够产生内部的振动，以验证传感器的操作和检测安装后电缆布线是否正确。
传感器类型微震传感器的分类取决于所要监测的地面运动类型，即地面速度（检波器）或地面加速度（加速度计和FBA）；传感器的传感轴数量和传感器是否部署在岩石钻孔里或岩石表面。
每个传感器类型在幅度范围，频率范围，可靠性和成本方面等有不同的优势。
一个IMS微震监测系统可基于检波器，加速计和力平衡加速计的任意组合，并同时搭配单分量和三分量传感器。
三分量传感器能够提供最精确的信息数据采集单元NETADCIMS的netADC是24位，4 或8通道，低噪声的模拟-数字转换器（ADC），以太网接口。
MSC系列软件介绍
基于有限元技术的 CAE 软件，无论在数量、规模上，还是应用范围上都处于主要 地位，作为 20 世纪中期兴起的技术手段，有限元技术随着计算机技术的迅猛发展，得 到了飞速发展和广泛的应用。
目前，CAE 软件主要应用于汽车、航空、航天、电子、土木工程、通用机械、兵器、 核能、医疗器械、铁道、石油和化工等行业。在国外，汽车行业是有限元软件的主要应 用行业，其所涉及的专业领域相当广泛，并且应用历史长、应用成熟度高。
2.1 MSC 公司介绍
MSC.Software Corporation 创建于 19863 年，总部设在美国洛杉矶，是享誉全球最 大的工程校验、有限元分析和计算机仿真预测应用软件(CAE，computer aided computer) 供 应 商 ， 其 最 早 最 著 名 的 产 品 是 大 型 通 用 结 构 有 限 元 分 析 软 件 MSC.Nastran 。 MSC.Nastran 软件始终作为美国联邦航空管理局(FAA)飞行器适航证领取的唯一验证软 件。
-3-
所有这些都是可以实现的。 VPD 建立在企业现有的投资基础上，包括设计和分析/仿真软件、计算机硬件、样
微地震数据处理方法
微地震数据处理方法
微地震数据处理是指对微地震（M≤4.0）的地震数据进行分析
和处理的过程。
以下是常见的微地震数据处理方法：
1. 数据预处理：主要包括数据采集、去噪和标定。
数据采集是通过地震仪器记录地震波形数据，去噪可以去除测量中的噪声干扰，标定是对地震仪器进行校准，保证数据的准确性。
2. 地震事件检测：通过对地震数据进行分析，检测出地震事件发生的时间和位置。
常用的方法包括振幅和能量的阈值检测、频率域分析等。
3. 地震定位：将地震事件的震源位置精确确定。
常见的方法包括到时差定位和波形反演等。
到时差定位是根据地震波在不同测点的到时差来确定震源位置；波形反演则是通过对地震波形数据进行逆过程反演，得到地震事件的震源位置。
4. 地震分析：分析地震事件的震级、震源深度、震中距等参数。
常见的方法包括振幅衰减分析、震级估计、地震波形拟合等。
5. 数据解释：对处理后的地震数据进行解释，分析地震活动的规律和构造特征。
常见的方法包括地震活动性分析、应力场分析等。
以上是常见的微地震数据处理方法，根据具体情况和需求，可以选择适合的方法来处理微地震数据。
多道法横波分裂各向异性参数反演软件V10使用说明
多道法横波分裂各向异性参数反演软件V1.0使用说明软件著作权登记号：2013SR057960刘劲松中国科学院地质与地球物理研究所1.功能简介本软件采用多道法(multi-channel method)对横波分裂各向异性参数进行反演。
软件包含5个模块，lev模块根据给定的参数对地震事件进行筛选，可按照震中经纬度范围、震级大小、震中距范围、震源深度范围、射线参数范围等条件筛选数据。
mafsac模块根据震源和台站位置信息计算震相的走时，并标注到sac 数据头中；tramp模块根据指定的时窗，计算径向横向分量数据的振幅比（即分裂强度si，splitting intensity）; azwin模块按方位窗对数据进行平均处理； fitsin 模块根据方位角/分裂强度数据反演各向异性参数。
该软件可用于SKS/SKKS等震相的横波分裂分析，研究地幔上地幔各向异性。
采用多道分析法的处理流程如图1所示。
输入数据为sac格式的三分量波形数据。
首先用mafsac软件标注sac数据的震相到时，再用可视化软件筛选并调整所需数据的起止时窗(sac数据头中的A、F字段)，然后用tramp模块计算分裂强度si，其输出结果用azwin按时窗进行平均后，用fitsin模块反演得到各向异性参数。
tramp模块也可直接对计算得到的方位角、分裂强度数据进行拟合得到各向异性参数。
图1.反演处理流程示意图。
2．模块用法详解2.1 lev模块lev模块根据给定的参数对地震事件目录进行筛选，可按照震中经纬度范围、震级大小、震中距范围、震源深度范围、射线参数范围等条件对地震事件进行筛选。
模块通过命令行变量输入参数，无变量执行lev会显示程序帮助信息，内容如下：******************************************************************** List Event catalogue according to given parameters* Version 2009.5.21********************************************************************usage: lev elist [ll=] [m=] [ymd=] [p=] [d=] [dp=] [baz=] [rp=]* [ck=] [-v] [-oa|-ob|-on|-ot] [-rp] [rq= net=] [-eN]* [ts=] [off=]* elist event catalogue file.* -eN input catalogue format.* N=0 anss format(default)* N=1 hypodd phase head fmt.* N=2 zxf catalogue fmt.* N=3 NEIC catalogue fmt.* N=4 BKC catalogue fmt.* N=5 ChaiXi fmt.* ll=lat1,lat2,lon1,lon2 output events in the region.* m=m1,m2 output events that magnitude=[m1,m2].* d=d1,d2 output events that delta=[d1,d2].* baz=bz1,bz2 output events that baz=[bz1,bz2].* dp=dp1,dp2 output events that depth=[dp1,dp2].(km)* rp=rp1,rp2 output events that ray prameter=[rp1,rp2](s/deg)* ymd=yb,mb,db,ye,me,de output events within the time window.* yjd=yb,jdb,ye,jde output events within the time window.* p=lat,lon compute delta between each epicenter and* the specified point* ck=pfx check if the file pfx-froot.BHZ exist,output* a X infront of each line if not exist* -v verbose mode output additional info of epicenter.* -oa output in original catalogue format.* -ob output in BKC catalogue format.* -on output in navigation format.* -ot output in reftek time range format.* -od output begining time of each day,in NEIC format.* for use with ymd & yjd options only.* off=before,after specify time range in seconds(for -ot opt).* -rp compute ray pra.* rq=stn output in IRIS request format,this gives station* net=net this gives networkname* ts=0 time shift in hour.****************************************************************以下详细解释每个命令行参数的意义：elist 地震事件目录文件。
微震监测技术发展状况及各提供商技术特点简介
微震监测技术发展状况及各提供商技术特点简介周乐1. 题引：微震技术简介 (3)2. 国际微震监测技术主要提供商 (4)3. 各大公司软硬技术特点及其主要业务领域 (5)3.1. 矿震研究院INSTITUTE OF MINE SEISMOLOGY (IMS) (5)3.2. 加拿大ESG Solutions 公司(ESG) (6)3.3. 美国MicroSeismic公司 (7)3.4. 英国Semore Seismic公司 (8)3.5. 加拿大Microseismic Industry Consortium (mu-SIC) (9)3.6. 澳大利亚联邦科学与工业研究组织CSIRO (10)3.7. Schlumberger 公司 (11)3.8. 英国Applied Seismology Consultants公司 (12)4. 各大提供商硬件主要技术指标对比 (13)5. 各大主要厂商用户群区域及市场占有率分析 (14)6. 主要信息来源 (15)1.题引：微震技术简介微震监测技术用于监测岩体在变形和破坏过程中，裂纹产生、扩展、摩擦时内部积聚的能量以应力波的形式释放，产生微震事件。
1990年代以来，由于引入了现代计算机技术、现代通讯技术、GPS 授时定位技术、地震学相关知识，该技术取得了突破性进展。
借助专业化的数据处理软件，能够实现在三维空间中实时准确地确定岩体中微震事件发生的位置、量级，从而对岩体的变形破坏的活动范围、稳定性及其发展趋势做出定性、定量评价。
微震监测技术在工程上的应用领域主要是矿山微震监测，监测并定位不稳定岩体，做出预警，还可以预测岩体对工程开展的反应，进行灾害等级评估等。
在石油开采领域，通过监测水制压裂过程中储油或储气层产生的微震信号，可以帮助操作人员得到压裂过程信息，以指导并优化工程参数设置。
在土木工程领域，利用微震监测技术，还可以进行隧道稳定性监测、边坡稳定性和大坝稳定性监测等。
Mshale基本参数设置
Meyer软件Mshale基本参数设置模块使用方法目录一、Data Options 数据选择 (2)1.1 General 概况 (2)1.2 Fracture 裂缝 (3)1.3 Proppant 支撑剂 (3)二、Data Description 数据描述 (4)三、Wellbore Hydraulics 水力井筒数据 (4)3.1 General 概况 (4)3.2 Deviation 井斜 (5)3.3 Casing 套管 (5)3.4 Tubing 油管 (5)3.5 Restrictions 油管变径 (6)3.6 BHTP References 深度参考 (6)3.7 Profile 井筒结构示意图 (6)四、Zones 射孔段 (7)4.1 Perforations 射孔参数 (7)4.2 Pay Zone 射孔层 (7)4.3 Fracture Network Options 裂缝网络模型 (8)4.4 Interaction 裂缝相互影响 (11)4.5 Proppant Distribution 支撑剂分布模式 (12)4.6 Near Wellbore 近井筒效应 (12)五、Treatment Schedule 泵注程序 (12)5.1 Auto Design自动设计泵注程序 (12)5.2 Input人工输入泵注程序 (13)六、Rock Properties 岩石特性 (14)6.1 Insert from Database 从数据库选择 (14)6.2 Import Log 测井数据导入/计算 (15)七、Fluid Loss Data 液体漏失数据 (18)八、Proppant Criteria 支撑剂标准 (22)九、Heat Transfer 热传导效应 (22)打开Mshale模块，菜单栏选择“Data”进入数据编辑模块，该模块共分：Data Options（基础数据）、Data Description（概况描述）、Wellbore Hydraulics （水力井筒）、Zunes（目的层-射孔）、Treatment Schedule（泵注程序）、Rock Properties（岩石特性-产层）、Fluid Loss（液体漏失）、Proppant Criteria （支撑剂性能）、Heat Transfer（热传递效应）九个模块。
微地震差分演化法定位软件V10使用说明
微地震差分演化法定位软件V1.0使用说明软件著作权登记号：2013SR049716刘劲松中国科学院地质与地球物理研究所1.功能简介本软件采用差分演化全局最优化方法，利用地震波走时对微地震进行定位。
软件包含2个模块，mdeloc模块根据震相走时数据对微地震进行定位；phsop模块是对地震定位结果进行比较分析、对走时震相数据进行格式转换和筛选等操作的辅助工具。
软件采用非线性全局最优化方法，可同时利用纵波和横波走时进行反演定位，具有稳定可靠，适应性广的特点。
2．模块用法详解2.1 mdeloc模块mdeloc模块根据地震波走时，采用差分演化全局搜素法对微地震进行定位。
其输入数据为震相走时数据和速度模型数据。
模块通过命令行变量输入参数，无变量执行mdeloc会显示程序帮助信息，内容如下：********************************************************************* * Local event Differential Evolution location.* Version 2009.6.22********************************************************************* * mdeloc tfn sta= [m=] [ms=] [nth=] [stcf=] [o=] [-udeg|-ukm|-um] [-odt] [-v]* [sr=] [sw=] [-tn] [-v] [istr=] [gmax=] [refr=] [np=] [f=] [cr=] [seed=]* tfn phase data file(hypodd phase format)* m= velocity model file(for Vp & Vs)* ms= Vs velocity model file.* nth=3,4 threshold of station number & record number.* events with sta&rec num less than the values are not located.* o= traveltime output file name(default output to stdout)* -udeg using latitude/logitude/depth(km) cordinates system(default)* -ukm using x/y/z(depth) cordinates system,all in km* -um using x/y/z(depth) cordinates system,all in meters* -odt compute dt and then output* sta= specify station file name, elevation correction is computed*stcf=1/Vp,sele station correction factors,slowness of P(s/m) and* standard(averaged) elevation.default 0,0* istr=1 strategy number,1-8* gmax=200 max generation number.* refr=1 display tmp results every refr iteration.* np=30 population size.* f=0.9 Constant F.* cr=1. crossing over factor* seed=33 random seed* sr=dl,dd,t0 search radius for lat/lon,depth,t0,default 10,100,100* sw=0.5 S phase weight.* -v verbose mode* -tn target function:* -t0 residual^2,default.* -t1 fabs(residual)* -t2 fabs(residual/trt)* -t3 sams* -t4 sams+fabs(residual)*********************************************************************以下详细解释每个命令行变量的意义：Tfn 震相走时数据文件名。
mcluster-微地震波形相关及震群自动识别软件
mcluster-微地震波形相关及震群自动识别软件微地震波形相关及震群自动识别软件V1.0使用说明软件著作权登记号：2012SR079382刘劲松中国科学院地质与地球物理研究所1.功能简介微地震波形相关及震群识别软件，可对微地震事件的数字波形计算互相关函数，根据波形的相似性对微地震事件进行分类，找出属于同一震群的地震事件，软件可同时计算两个地震事件在同一个台站上的走时差用于双差法精确定位。
软件由三个模块组成：mecor模块计算微地震波形的互相关函数；corcluster模块根据相关函数的最大值自动识别震群；dtcorcc 模块根据双差定位的事件对数据和mecor的输出结果计算地震事件的走时差。
软件采用快速付氏变换法计算互相关函数，用抛物线3点插值法精确确定相关最大值点的位置，时差计算精度可达到一个采样间隔以内。
2．用法详解2.1 mecor模块该程序利用快速付氏变换计算两个地震波形的互相关函数，输出相关函数的最大值以及最大值的时移位置，最大值位置采用抛物线3点插值法精确求解，精度可达到一个采样间隔以内。
程序的输入数据是sac格式的地震波形数据。
程序会根据给定的地震波形，自动完成波形的配对并计算互相关函数，配对是指各个事件所有可能的组合。
例如，如果给定了同一个台站上10个事件的波形记录，程序将自动对这10个事件进行组合配对，最终计算得到的互相关记录为10*9/2=45个。
输入数据的sac头中的O字段(发震时刻)必须有赋值，否则计算出的相关时移值没有意义。
程序通过命令行变量输入参数，无变量执行mecor会显示程序帮助信息，内容如下：**** Help information ****************************************************** mecor [-bo] [-oc] [-cs] [-poc] [tl=] [-pz|-sz] sfn1 sfn2 ....sfnN * -bo start from the origin time of sac header,default is 1st pt.* -oc output correlation function.* -cs only compute cross-station record.* -poc phase only correlation.* tl=0. time window length in seconds,0 means the whole trace.* -pz set P wave area to zero(before s arrival)* -sz set S wave area to zero(after s arrival)* sfnx event SAC trace filenames.*************************************************************** ************以下详细解释每个命令行变量的意义：-bo 波形起始位置从sac头的o字段所指的时间开始(即发震时刻)，缺省从第1个采样点开始。
基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法
基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法何正祥;彭平安;廖智勤【摘要】为了实现矿山复杂微震信号的自动高效识别与分类,保证后续微震分析的时效性和准确性,运用梅尔倒谱系数法,将原始的4种微震信号(岩体破裂、爆破振动、电磁干扰和钻机凿岩)转化为梅尔标度上的非线性频谱,再转换到倒谱域上,结合其在时域上的差分得到1组24维的特征参数向量,利用这些特征参数向量训练构建各类事件对应的混合高斯隐马尔可夫识别模型,进而实现对微震信号的自动识别分类.研究结果表明:运用基于梅尔倒谱系数的微震信号识别分类方法对矿山实际微震数据进行测试,微震事件的识别分类准确率达到92.46％,具有较高的准确性,为实现微震监测系统的实时性分析提供了技术支持.【期刊名称】《中国安全生产科学技术》【年(卷),期】2018(014)012【总页数】7页(P41-47)【关键词】微震信号;梅尔倒谱系数;混合高斯;隐马尔科夫;识别分类【作者】何正祥;彭平安;廖智勤【作者单位】中南大学资源与安全工程学院,湖南长沙410083;中南大学资源与安全工程学院,湖南长沙410083;中南大学资源与安全工程学院,湖南长沙410083【正文语种】中文【中图分类】X9360 引言微震监测技术是矿山生产活动过程中地压安全监测分析重要的技术环节[1-2]。
微震监测系统通过将其监测区域内的各类微震信号进行实时拾取，并分析岩体破裂活动来判断岩体状态。
实际采矿生产过程中，微震信号存在着多种类型[3]，如岩体破裂、爆破振动、电磁噪声和机械钻凿等。
传统的人工分类处理效率较低且经常由于各种干扰导致识别错误。
因此，如何快速准确地识别不同的信号类型是实现微震监测系统实时化、智能化的重要环节。
在目前用于微震信号识别分类的方法中，主要应用选取波形的相关计算的指标作为数据参数构建识别模型，如Vallejos和董陇军等[4-5]通过分析波形和事件选取得到的若干个参数作为识别指标构建了识别模型。
基于地震属性的机器学习在构造识别中的应用
煤炭与化工Coal and Chemical Industry第43卷第12期2020年12月Vol.43 No. 12Dec. 2020地测与水害防治基于地震属性的机器学习在构造识别中的应用姚江凯，刘家豪(中国矿业大学(:!匕京)地球科学与测绘工程学院，北京100083)摘要：地震数据的构造解释对矿山安全高效开采有重要作用，地震属性常用来进行构造解释，而单一属性及传统属性叠置方法无法完全利用地震数据中的信息。
本文使用基于主成分 分析-竞争神经网络的方法对多种地震属性进行融合聚类，实现复杂构造的识别。
首先提取与构造相关性强的地震属性，然后利用主成分分析方法得到贡献率最大的几个主成分分量，最后利用无监督学习方法中的竞争神经网络来实现对选定的主成分分量的融合和聚类。
以邢东矿区1200勘探区(经实际揭露为构造发育区域)的地震数据作为研究对象，应用基于主成 分分析-竞争神经网络的多属性融合聚类方法进行分析，聚类图像能够清晰对应实际地质异常，有效分辨构造分布特征，为多属性构造识别提供了一种可行的方法。
关键词：无监督学习；地震属性；构造识别；属性融合；聚类分析中图分类号：TD163文献标识码：A 文章编号：2095-5979 ( 2020 ) 12-0067-05Application of machine learning based on seismicattributes in structural recognitionYao Jiangkai, Liu Jiahao(School of G eosciences & Surveying Engineering, China University of M ining and Technology, Beijing 100083, China )Abstract : The structural interpretation of seismic data plays an important role in the safe and efficient mining of mines.Seismic attributes are often used for structural inteipretation, but the information in seismic data cannot be fiilly utilized by single attribute and traditional attribute superposition methods. In this paper, the method based on principal componentanalysis and competitive neural network was used to fuse and cluster various seismic attributes to realize the recognition ofcomplex structures. Firstly, the seismic attributes with strong correlation with the structure were extracted, and then theprincipal component analysis method was used to obtain the principal component components with the largest contribution rate; finadly, the competitive neural network in unsupervised learning method was used to realize the fusion and clustering of the selected principal component components. The seismic data of 1200 exploration area in Xingdong mining area wastaken as the research object, the multi —attribute fusion clustering method based on principal component analysis andcompetitive neural network was applied. The final clustering image can clearly correspond to the actual geological anomaliesand effectively distinguish the structural distribution characteristics, which provided a feasible method for multi-attributestructure recognition.Key words : unsupervised learning ; seismic attribute ; stnicture recognition ; attribute Vision ; cluster analysis0引随着煤炭资源向深部开采，不仅煤层开采难度增大，而且还存在隐伏的安全隐患，各种复杂地质构造严重影响煤炭安全开采叫通常利用人工地震的方法对矿区的地质构造进行探测O地震属性是由地震原始数据经过数学计算得到 的几何学、统计学、动力学以及运动学特征，在勘责任编辑：张彤 DOI ： 10.19286/i.2020.12.020基金项目：国家重点研发计划项目(2018YFC0807800)作者简介：姚江凯(1996-),男，安徽桐城人，硕士研究生。
微地震有效事件自动识别与定位方法
微地震有效事件自动识别与定位方法
宋维琪;冯超
【期刊名称】《石油地球物理勘探》
【年(卷),期】2013(048)002
【摘要】微地震有效事件自动识别与定位是进行微地震实时监测的关键.自动识别的准确性对随后的震源定位精度有很大影响.本文在讨论长短时窗能量比(STA/LTA)法基础上,讨论了基于特征值分析且抗噪能力较强的识别方法.结合多道检波器相互位置及有效信号的空间相关关系,根据P、S波的传播特征,通过研究有效微地震信号在相邻道之间及多道之间的变化特征,形成了多级检波器微地震有效事件的自动识别方法.在对初至有效波进行拉平的基础上,利用叠加能量和相关特性,采用跟踪分量方法进行扫描叠加,并以非均一化互相关准则作为初至校平的判断依据,建立了微地震事件的自动扫描定位方法.应用该方法对实际资料进行有效微地震事件的识别与定位,结果与实际情况基本吻合.该方法可克服以往微地震人工识别和定位的缺陷,提高微地震监测的效率.
【总页数】6页(P283-288)
【作者】宋维琪;冯超
【作者单位】中国石油大学(华东)地球科学与技术学院,山东青岛266555
【正文语种】中文
【中图分类】P631
【相关文献】
1.微地震有效事件的自动识别方法 [J], 牟培杰;柴晨
2.基于STA/LTA方法的微地震事件自动识别技术 [J], 段建华;程建远;王云宏;陆斌;朱红娟
3.基于多道相似系数的微地震事件自动识别 [J], 谭玉阳;何川;曹耐
4.地面监测微地震事件等效速度反演定位方法 [J], 宋维琪;王新强;高艳可
5.基于波形互相关的微地震事件自动识别及初至拾取 [J], 魏梦祎;谭玉阳;毛中华;冯刚;胡天跃;何川
因版权原因，仅展示原文概要，查看原文内容请购买。
Stratimagic地震相分析软件介绍及培训教材
Stratimagic地震相分析软件介绍概述stratimagic是帕拉代姆公司推出的专门用于岩性解释、油藏描述、地震相分析的软件包。
它运用人工神经网络分析技术，统计聚类的分级分类技术、主组分分析（PCA）技术，以及层位尖灭识别等先进的技术和方法对地震属性及所反映的地质特征进行分析解释，利用Stratimagic软件可以实现地震道、多属性数据体以及变时窗/深度和等时窗/深度的层段内的地震相自动划分，地质相分层曲线约束下的微相划分，研究其与地质相的关系以及与岩石物性的关系，可以帮助我们从一个新的角度去进行储层预测和油藏描述，突破了只能进行构造解释的常规的地震解释模式。
地震相自动划分技术的应用，使得解释人员摆脱了手工解释繁重的工作负担，使地震相划分更具有客观性。
Stratimagic地震相分析软件以其独一无二的专利技术和容易使用的特点，已成为石油天然气工业进行地震相分析的先进的商用软件。
目前该软件最新版本是帕拉代姆公司于2003年4月释放的Stratimagic2.1。
一、 Stratimagic软件的基本方法原理（一）地震信号的分类地震解释不仅仅是构造圈闭解释，而且要进行岩性和油藏特征描述，是一个从层位图到油藏特征描述的过程，要利用沉积学知识将井信息和可用模型与地震数据联合使用，确定地震与岩石地球物理特性的关系。
在使用Stratimagic之前，有两种地震属性方法用于油藏特征描述。
（1）首先计算多种层段属性，进行井资料、沉积模型与属性成果图的对比分析，一般情况下也只有3到4种属性匹配较好。
（2）通过地震反演获得波阻抗数据体。
这里假设井资料完全代表着所含的地质信息的差别，而且没有考虑其它的地质相变化的存在。
在上面处理中丢失了两个基本信息：即地震信号的总体变化和这种变化的分布规律。
没有地震信号的总体变化的知识，很难给出井位置的地震信号变化的可靠评估。
如果我们观察到比如砂泥岩比的重要变化，但如果不知道地震信号的总体变化与它的关系，也不能将此信息进行外推。
MSDP软件震相自动识别技术实现
MSDP软件震相自动识别技术实现苏柱金;黄文辉【期刊名称】《地震地磁观测与研究》【年(卷),期】2015(000)005【摘要】利用 MSDP 交互分析软件实现震相自动识别技术，技术模块主要实现STA/LTA 触发算法、AR-AIC 震相识别方法、FilterPicker 方法和自动量取振幅方法，提高 MSDP 分析处理地震事件和进行地震速报的效率，并利用大量地震事件对震相自动识别技术进行测试和验证。
%In this article,an automatic recognition technique of seismic phases in MSDP is described. The technique can be divided into two sections: automatic first P-phases recognition technique and automatic amplitude measurement technique. The whole technology module mainly includes four algorithm: STA/LTA detections algorithm,AR-AIC phase recognition algorithm,FilterPicker algorithm,automatic amplitude measurement method,which can greatly improve the efficiency of processing earthquake events and quick report.【总页数】7页(P121-127)【作者】苏柱金;黄文辉【作者单位】中国广州 510070 广东省地震局;中国广州 510070 广东省地震局【正文语种】中文【相关文献】1.地震后续震相自动生成软件的设计与应用 [J], 王利兵;闫俊岗;刘立申;高登平;白永福;张伟2.MSDP二进制震相文件数据提取软件 [J], 王秀敏;陈凯男;刘立申;王利兵;罗娜;畅国平;闫俊岗3.地震事件波形及震相文件抽取软件 [J], 冯雪玲;包翠玲;赵庆4.地震分析软件震相走时表文件结构研究 [J], 李万金5.利用MSDP震相直接计算震源机制解的方法及其应用 [J], 梁向军;刘林飞;范瑾;苏燕因版权原因，仅展示原文概要，查看原文内容请购买。
基于同步压缩变换微地震弱信号提取方法研究
基于同步压缩变换微地震弱信号提取方法研究秦晅;宋维琪【摘要】针对微地震资料的信噪比低,无法清晰识别P波和S波的问题,根据微地震信号具有随机性、非平稳性的特点,研究了基于同步压缩变换(synchrosqueezing transform,SST)微地震弱信号提取方法.首先利用SST对信号进行自适应阈值去噪,然后在有效信号的频率中心附近进行SST系数的积分抽取,再利用抽取的有效信号进行SST重构实现弱信号的提取.应用于合成的含不同强度噪声的非平稳信号模型以及实际微地震单道记录的处理结果表明,该方法具有较好的抗噪能力和较高的信号提取精度.将该方法应用于实际井中微地震数据的试处理和分析,并与常规低通滤波结果进行了对比,表明该方法能够较好地将弱有效信号从噪声中提取出来,具有较好的实用价值.【期刊名称】《石油物探》【年(卷),期】2016(055)001【总页数】8页(P60-66,90)【关键词】微地震;同步压缩变换;弱信号提取;自适应阈值去噪【作者】秦晅;宋维琪【作者单位】中国石油大学(华东)地球科学与技术学院,山东青岛266580;中国石油大学(华东)地球科学与技术学院,山东青岛266580【正文语种】中文【中图分类】P631在油气田开发过程中,微地震监测是获得水力压裂裂缝分布的一种较为有效的方法。
由于微地震波能量微弱,微地震资料信噪比较低,有时噪声甚至完全淹没了有用的微地震信号,从而无法清晰地识别出P波和S波,影响了后续的初至拾取、震源定位及裂缝解释工作[1]。
因此,需要对微地震信号进行滤波去噪,将有效信号从噪声中分离出来。
常用的微地震弱信号提取方法中,传统的傅里叶变换虽然能提高信噪比,但是对于具有非平稳信号特点的微地震信号来说效果不佳[2-3];连续小波变换(continuous wavelet transform,CWT)在低频处具有较高的频率分辨率,在高频处具有较高的时间分辨率,能够在时频域很好地区分非平稳信号的突变部分,但结果受Heisenberg不确定性原理和小波基函数的影响[4-5];经验模态分解(empirical mode decomposition,EMD)是一种信号自适应分解方法,不依赖于基函数的选取,但这是一种基于经验的方法，并没有严格的数学物理基础,同时其稳定性受模态分量分解过程的影响,并且分解时常出现模态分量混叠现象,造成结果不准确[6-8];偏振特性分析方法利用有效信号与随机信号偏振度不同的特性来区分微地震信号[9],但其本身没有一定的尺度,无法单独进行有效信号的检测;独立分量分析(independent component analysis,ICA)是基于高阶统计特性的用于含噪信号的盲源分离信号处理方法[10-11],但是方法本身需要估计原信号的近似值,应用于微地震数据资料处理时,受低信噪比的影响,处理结果不准确[12]。
基于指纹和相似性阈值方法的水力压裂过程微地震事件检测研究
基于指纹和相似性阈值方法的水力压裂过程微地震事件检测研究李秋雨;孟晓波;陈海潮;陈欣星;陈信宇;王丽玮【期刊名称】《石油物探》【年(卷),期】2024(63)1【摘要】在水力压裂过程中,常规微地震事件检测方法中基于能量的长短时窗能量比值(STA/LTA)方法检测精度低,而基于波形的模板匹配方法检测速度慢。
为此,提出了以指纹和相似性阈值(FAST)方法为主,联合同态反褶积去噪、STA/LTA、带噪声的基于密度的聚类(DBSCAN)方法的一种检测精度高并且检测速度快的微地震事件检测方法。
首先使用同态反褶积方法对微地震数据去噪;然后利用STA/LTA方法获取高信噪比微地震事件并作为模板,进一步利用FAST方法将模板和连续波形制作为指纹,再通过比较指纹的杰卡德相似度检测低信噪比微地震事件,得到各个台站的P波初至时间;最后利用DBSCAN方法将多个台站同一震相进行关联以去除错误检测。
利用人工合成的171个具有不同信噪比的微地震事件,运用该方法能够检测到所有微地震事件,验证了方法的实用性。
对四川盆地威远页岩气开发水平井2014年11月10号第19级压裂段的井下微地震数据集进行处理,并与模板匹配方法、STA/LTA方法进行了对比,结果显示该方法能够检测到STA/LTA检测不到的低信噪比微地震事件,检测结果与模板匹配方法相近,其计算效率比模板匹配方法高。
【总页数】12页(P195-206)【作者】李秋雨;孟晓波;陈海潮;陈欣星;陈信宇;王丽玮【作者单位】成都理工大学地球勘探与信息技术教育部重点实验室;中国石油大学非常规油气研究所(北京);中国石油国际勘探开发有限公司中油国际(苏丹)6区项目公司【正文语种】中文【中图分类】P631【相关文献】1.基于P波辐射花样的压裂微地震震源机制反演方法研究及应用2.水力压裂微地震监测的震源机制反演方法应用研究3.水力压裂微地震监测质量监控方法研究4.基于地面微地震监测定位和成像的煤层气水力压裂效果评价研究5.基于机器学习和台阵相关性的水力压裂微地震事件自动识别及到时拾取因版权原因，仅展示原文概要，查看原文内容请购买。
地震序列专用处理软件在地震监测中的应用
地震序列专用处理软件在地震监测中的应用
李圣强;李闽峰;王斌
【期刊名称】《地震地磁观测与研究》
【年(卷),期】2004(025)003
【摘要】简要说明地震序列专用处理软件系统的系统功能和特点;详细介绍了该软件系统在地震监测工作中的应用,主要分析了该系统在地震实时监控、台站工作、序列目录管理、地震现场及序列研究中的应用.
【总页数】4页(P101-104)
【作者】李圣强;李闽峰;王斌
【作者单位】中国,北京,100036,中国地震局分析预报中心;中国,北京,100036,中国地震局分析预报中心;中国,北京,100036,中国地震局分析预报中心
【正文语种】中文
【中图分类】P315.69
【相关文献】
1.地震序列中的高频与低频地震及其在序列类型判断中的应用 [J], 赵根模;杨港生
2.地震序列中的高频与低频地震及其在序列类型判断中的应用 [J], 赵根模;杨港生
3.地震序列中重复地震的累积滑动量对后续中强地震的前兆意义——以辽宁海城-岫岩地区4个显著地震序列为例 [J], 李宇彤;张博;王亮;李彤霞
4.GM模型在南北地震带中南段地区强地震序列预测中的应用 [J], 陆明勇
5.2017米林M
6.9地震序列监测及南迦巴瓦地震活动性研究 [J], 韩佳东;杨建思;刘莎;王伟平;郑钰
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
微地震波形相关及震群自动识别软件V1.0使用说明软件著作权登记号：2012SR079382刘劲松中国科学院地质与地球物理研究所1.功能简介微地震波形相关及震群识别软件，可对微地震事件的数字波形计算互相关函数，根据波形的相似性对微地震事件进行分类，找出属于同一震群的地震事件，软件可同时计算两个地震事件在同一个台站上的走时差用于双差法精确定位。
软件由三个模块组成：mecor模块计算微地震波形的互相关函数；corcluster模块根据相关函数的最大值自动识别震群；dtcorcc 模块根据双差定位的事件对数据和mecor的输出结果计算地震事件的走时差。
软件采用快速付氏变换法计算互相关函数，用抛物线3点插值法精确确定相关最大值点的位置，时差计算精度可达到一个采样间隔以内。
2．用法详解2.1 mecor模块该程序利用快速付氏变换计算两个地震波形的互相关函数，输出相关函数的最大值以及最大值的时移位置，最大值位置采用抛物线3点插值法精确求解，精度可达到一个采样间隔以内。
程序的输入数据是sac格式的地震波形数据。
程序会根据给定的地震波形，自动完成波形的配对并计算互相关函数，配对是指各个事件所有可能的组合。
例如，如果给定了同一个台站上10个事件的波形记录，程序将自动对这10个事件进行组合配对，最终计算得到的互相关记录为10*9/2=45个。
输入数据的sac头中的O字段(发震时刻)必须有赋值，否则计算出的相关时移值没有意义。
程序通过命令行变量输入参数，无变量执行mecor会显示程序帮助信息，内容如下：**** Help information ****************************************************** mecor [-bo] [-oc] [-cs] [-poc] [tl=] [-pz|-sz] sfn1 sfn2 ....sfnN* -bo start from the origin time of sac header,default is 1st pt.* -oc output correlation function.* -cs only compute cross-station record.* -poc phase only correlation.* tl=0. time window length in seconds,0 means the whole trace.* -pz set P wave area to zero(before s arrival)* -sz set S wave area to zero(after s arrival)* sfnx event SAC trace filenames.***************************************************************************以下详细解释每个命令行变量的意义：-bo 波形起始位置从sac头的o字段所指的时间开始(即发震时刻)，缺省从第1个采样点开始。
-oc 输出相关函数。
输出格式为sac格式，文件名为cor.sfnx.sfny。
缺省不输出相关函数。
-cs 只计算不同台站间波形记录的互相关函数。
缺省只计算相同台站波形记录的相关函数。
-poc 采用相位相关算法。
tl=0. 波形时窗长度，单位秒，0表示从起始位置到波形结束。
-pz 将S波到时前的数据清零，要求sac数据头中t2标记为横波到时。
-sz 将S波到时后的数据清零。
sfnX sac数据文件名。
2.2 corcluster模块该模块根据mecor计算的地震波形之间的互相关系数最大值和给定的阀值，。
程序通过命令行变量输入参数，无变量执行corcluster会显示程序帮助信息，内容如下：**** Help information ****************************************************** corcluster [cth=] [efn=] cfn1 cfn2 ....* cth=0.6 correlation coefficient threshold.* efn event_name epi info file.* cfnx correlation data from mecor.***************************************************************************以下详细解释每个命令行变量的意义：cth=0.6 相关系数阀值，缺省为0.6。
efn= 地震事件名-事件id映射表文件。
cfn 包含事件相关系数信息的mecor输出文件，可以有多个。
Corcluster模块的输出直接写到标准输出。
2.3 dtcorcc模块该模块根据mecor计算得到的地震事件时差，替换双差定位软件生成的双差数据中的时差，用于精确定位。
程序通过命令行变量输入参数，无变量执行dtcorcc会显示程序帮助信息，内容如下：**** Help information ****************************************************** dtcorcc dt.ct corfn emfn [-p|-s]* dt.ct dt.ct file of hypodd program.* corfn correlation file(output of mecor program).* emfn event-name epi info mapping file.* -p assign P phases(default)* -s assign S phases***************************************************************************下面详细解释每个命令行变量的意义：dt.ct 双差定位软件生成的双差数据文件。
corfn mecor模块生成事件相关系数数据。
emfn 地震事件名-地震事件id映射文件。
-p 只赋值P波震相双差。
-s 只赋值S波震相双差。
3．用法举例及数据格式3.1 mecor用法举例下面的命令对当前目录下所有垂直分量波形记录计算相关函数，波形起始点从发震时刻开始，波形长度10秒，计算结果输出到文件cor.dat中。
mecor tl=10 -bo IG*.BHZ >cor.datcor.dat的部分内容如下：0.149 -1.135 5.649 90 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_298_18_10_26-m-00.BHZ0.268 -0.265 0.516 3 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_300_04_19_30-m-00.BHZ0.160 0.090 4.542 70 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_301_12_39_58-m-01.BHZ0.157 -0.650 4.580 73 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_301_16_24_34-m002.BHZ0.633 -0.005 0.282 5 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_305_22_12_54-m-01.BHZ0.218 0.055 5.143 95 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_306_05_50_16-m003.BHZ0.126 -0.155 4.714 75 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_308_22_20_30-m-02.BHZ0.142 0.860 4.938 74 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_309_22_29_22-m002.BHZ0.122 -1.580 4.790 74 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_310_22_29_09-m000.BHZ0.133 -1.615 4.726 74 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_310_22_30_09-m010.BHZ0.137 0.590 4.799 75 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_311_03_22_20-m001.BHZ0.747 -0.090 0.238 3 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_312_16_07_59-m001.BHZ0.203 -0.330 4.180 84 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_315_00_37_11-m005.BHZ0.129 1.440 4.175 65 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_315_19_47_35-m-03.BHZ0.165 -0.140 4.532 70 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_316_08_05_44-m-01.BHZ0.268 -0.090 1.108 7 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_316_22_14_00-m001.BHZ0.187 0.825 4.411 70 IG01-2004_297_11_07_50-m-02.BHZ IG01-2004_317_05_14_07-m-00.BHZ数据的第1列为互相关系数最大值；第2列为相关系数最大值的时移位置，单位为秒；第3列为两地震事件震中的距离；第4列为两事件的方位角之差。
第5-6列分别为两个地震波形记录文件名。
在用于双差定位时，第2列的时差为第2个事件的到时减第1个事件的到时。
3.2 corcluster用法举例下面的命令根据mecor计算得到互相关记录数据cor.dat，对地震波形的关联性进行分析，自动识别出属于同一震群的地震。
互相关系数阀值取0.9，输出结果定向到文件clust.09中。
corcluster efn=eventnm_newepi.dat cth=0.9 cor.dat >clust.09输出的数据按事件数的多少从小到大排序，下面是部分内容，包含了3个震群：cluster 72 6 events maxrd: 0.926 0.6702006_170_07_44_59-m003 cid:72 38.4445 91.0028 4.5572006_170_14_32_16-m003 cid:72 38.4455 91.0032 4.6162006_163_17_45_56-m-01 cid:72 38.4406 91.0050 5.2272006_170_07_53_34-m-03 cid:72 38.4375 91.0066 5.0762006_172_18_59_04-m001 cid:72 38.4406 91.0047 4.9702006_172_18_41_20-m-02 cid:72 38.4403 91.0046 4.839cluster 73 7 events maxrd: 0.629 0.6932006_252_06_23_51-m004 cid:73 38.3582 90.8311 5.2472006_252_06_40_37-m003 cid:73 38.3603 90.8376 5.4842006_252_06_43_24-m003 cid:73 38.3573 90.8336 5.5082006_252_07_08_52-m003 cid:73 38.3572 90.8382 4.9492006_252_07_11_15-m004 cid:73 38.3577 90.8371 5.5152006_252_06_57_37-m005 cid:73 38.3574 90.8380 5.6422006_252_06_32_39-m003 cid:73 38.3591 90.8374 5.488cluster 74 12 events maxrd: 0.854 0.5202006_199_01_45_17-m002 cid:74 38.3527 90.8589 7.5352006_199_06_43_56-m005 cid:74 38.3585 90.8548 7.3052006_199_06_47_50-m007 cid:74 38.3578 90.8554 7.3342006_199_13_09_14-m003 cid:74 38.3585 90.8530 7.5422006_199_22_01_50-m009 cid:74 38.3577 90.8552 7.3652006_199_09_10_02-m003 cid:74 38.3554 90.8563 7.6432006_199_09_11_22-m001 cid:74 38.3535 90.8573 7.6852006_199_10_14_04-m004 cid:74 38.3576 90.8550 7.5002006_199_12_50_09-m002 cid:74 38.3552 90.8570 7.5942006_199_13_55_29-m004 cid:74 38.3582 90.8565 7.2892006_199_22_26_11-m000 cid:74 38.3577 90.8571 7.8092006_199_10_28_12-m-01 cid:74 38.3535 90.8604 7.784输出结果中以cluster打头的行为震群头，后面的第1个数字为震群序号，第2个数字为该震群内包含的地震事件数目，maxrd后面的2个数值分别为震群内地震震源位置间的最大水平间距和最大深度间距。