排序方式： 共有13条查询结果，搜索用时 31 毫秒
1.
受窗函数的影响,短时傅里叶变换、小波变换、S变换等传统时频分析方法的分辨率不高.为了提高信号时频变换分辨率,发展了同步挤压小波变换算法;该算法将信号的时频谱值向其中心频率位置挤压,改善了信号时频分析结果,使得信号时频分辨率得到了很大的提升.但由于传统算法时窗固定,处理缺乏灵活性;因此,本文对S变换窗函数进行扩展,提出了同步挤压广义S变换.通过自适应窗函数挤压信号在S域的时频谱值,提高了算法的灵活性和时频分析聚焦能力.运用同步挤压广义S变换对南海某工区实际地震数据进行分频处理,结果显示含油气层能量随着频率的增加而逐渐衰减.因此,使用同步挤压广义S变换对地震数据进行分析处理,不仅可以对储层含油气性进行准确的检测,还可以对地层进行精确的标定. 相似文献
2.
传统的时频域反褶积模型虽然吻合地震子波在粘弹性介质传播过程中的衰减特征,但受拟合函数和时频分析窗函数的影响,使得其算法缺乏稳定性和准确性。为了避免这一问题,推导出一种基于改进广义S变换二次时频谱反褶积方法。利用改进广义S变换的灵活性来获取非平稳地震记录时频谱,再对其傅里叶变换得到二次时频谱,从而以一种低通滤波的方式提取子波时频谱,实现二次时频谱反褶积。经理论模型论证和实际数据处理结果表明,利用二次时频谱提取子波具有较高的准确性,同时能够有效地分辨薄层,在不用考虑Q值的条件下直接恢复地震波被地层吸收所引起的衰减。 相似文献
3.
对比地震记录信噪比的几种估算方法 总被引：2，自引：1，他引：2
估算地震记录信噪比的三种方法有SVD法、统计平均分析法和频率域估算法。利用理论模型分别对它们进行对比评价,得出当地震记录有效信号的水平相关性比较好时,三种方法都可以得到较理想的结果;但当地震记录有效信号为非水平时,三种方法均存在不同的问题。在此基础上提出了相关时移法,该方法考虑了地震记录道间有效信号的相位变化,比起其它方法来更能得出好的结果。 相似文献
4.
5.
通过建立等效加权模型并进行单步向上延拓反Q滤波,减弱目前常规Q值模型对反Q滤波效果的限制,达到进一步提高地震记录分辨率的目的.目前,常规Q值模型包括常Q模型和层状模型,常Q模型与复杂的地下情况相差较大,导致地震波能量衰减补偿效果较差;而基于层状模型进行反Q滤波则会导致噪声逐层放大,降低地震记录信噪比.基于等效加权模型进行单步向上延拓反Q滤波,可以有效补偿地震波振幅衰减并校正相位畸变,在保持信噪比的同时提高地震记录分辨率.通过模型测试,基于等效加权模型进行单步向上延拓反Q滤波,可以在有效压制噪声的同时增强能量衰减补偿效果;实际资料应用的结果表明:该方法不仅能有效补偿深层能量衰减,并且能较好的压制环境噪声,在提高地震资料分辨率的同时保持了信噪比. 相似文献
7.
针对致密砂岩气储层复杂的微观孔隙结构进行岩石物理建模,在模型中比较了单一孔隙纵横比、双孔隙模型两种表征孔隙结构的表征方式。岩石物理正演分析表明,两种孔隙结构模型均可解释致密砂岩复杂的速度-孔隙度关系。岩石物理反演结果表明,双孔隙模型对测井横波速度的预测精度更高,说明该模型更适用于表征研究区致密砂岩的孔隙结构,反演的软孔比例参数能够反映地层中孔隙结构的非均匀分布。应用双孔隙模型计算致密砂岩地层岩石骨架的弹性模量,与Krief及Pride等传统经验公式相比,该方法考虑了岩石骨架模量与矿物基质、孔隙度和孔隙结构等微观物性因素的关系,理论上更具有严谨性。对致密砂岩骨架模量计算结果的分析表明,少量微裂隙的存在即能够显著影响致密砂岩骨架的弹性性质,同时孔隙空间中的球形孔隙是致密气的主要赋存空间。并且,通过致密砂岩骨架弹性模量,进一步计算了可用于地层评价的Biot系数等岩石物理参数。致密砂岩骨架模量的预测结果可为Gassmann流体替换理论、BISQ孔隙弹性介质理论等岩石物理方法提供关键参数。 相似文献
8.
基于小波变换的瞬时谱分析方法，克服了传统傅立叶时频转换时的时窗问题，提高了地震资料频域内的分辨能力。通过谱分析方法的比较，介绍了瞬时谱分析方法比传统傅立叶变换的改进效果，以及利用瞬时谱分析方法在分频数据体低频部分识别富气层下方的低频阴影来综合预测储层的横向展布特征和含气性异常的检测。研究实例表明低频阴影检测技术可以作为一种储层预测和油气检测的有效辅助方法。 相似文献
9.
本文针对噪声成分和噪声结构的复杂性及弱信号的特征,发展了最新的在线字典学习去噪方法.在线字典学习去噪方法是以数据驱动的方式,反复进行学习构建字典方式,求得信号的稀疏性解以实现对信号的去噪,在此基础上,提出了数据驱动与模型驱动联合的模型约束下的在线字典学习去噪方法,先通过模型驱动方式获得一个较优质的学习样本以构建字典再进行去噪处理.通过和传统小波变换进行理论地震合成记录的效果对比,在高噪声比例的弱信号情况下远远优于传统的时频域去噪方法.实际数据去噪处理表明,模型约束下的在线字典学习去噪方法是一种有效的去噪方法,这种联合去噪方式能在高噪声背景下有效地提取出弱信号,具有广阔的推广应用前景. 相似文献
10.
受新开发的变分模态分解(VMD)的启发,本文引入一种基于VMD的时频分析方法来分析地震数据.VMD的原理是将信号分解成具有一定中心频率的模态分量,通过这些分量来重构原始信号.这种分解方式可以降低各个模态中的残余噪声,同时进一步减少冗余的模态,很好的克服了模态混叠问题.此外,VMD是一种自适应信号分解技术,它可以非递归地将多分量信号分解为几个准正交固有模态函数,与EMD及其推广(如EEMD,CEEMD)相比,有坚实的数学基础.将VMD方法与CEEMD方法进行比较,对合成数据进行测试显示了基于VMD的时频分析方法具有更好的时频聚焦性,同时对实际数据处理也表明该方法具有突出地质特征和地层信息的潜力. 相似文献