关键词：
分布式声波传感
噪声衰减
上下行波分离
深度学习
超分辨率反演
摘要：
以煤为主的能源结构是我国的资源禀赋,未来一段时间内我国社会经济的发展仍离不开煤炭。因此,煤炭绿色、智能开采是新时代下煤炭资源的必经之路,这对勘探精度和效率提出了更高的要求。地震勘探具有探测范围广、精度高的优势,是目前广泛应用的探测手段之一。但是,随着社会和科技的发展,传统基于地震检波器的地震勘探手段也面临着一些挑战,如:检波器成本高、空间采样率低、城市道路等地表硬度高导致的区域检波器布设困难或耦合性差、检波器的铺设、翻滚和回收需要大量人力物力等。以上种种难题严重影响着地震勘探在工程领域中的应用。
分布式光纤声波传感(DAS)技术的出现有效缓解了传统地震勘探所面临的问题。光纤中的每一点既可以作为传感器又可以当作传输介质,是一种新型的数据采集手段。DAS技术具有成本低、空间采样率高、环境适应性强、耐温耐压、抗干扰能力强、方便施工和部署、同一位置可重复等优点,在勘探领域具有重大的发展潜力。现有研究表明,DAS技术处于起步阶段,暂无完善的技术流程和应用典范,此外,DAS数据信噪比低、垂直地震剖面(VSP)数据波场分离困难、地震频带限制影响地层参数反演精度,本文针对以上关键科学问题开展了一系列研究。
本研究从光纤传感的基本理论出发,分析了DAS-VSP的优缺点,研究了地震检波器信号与DAS信号的相互转化关系,介绍了DAS数据的数值模拟方法,为DAS勘探的研究提供了理论基础。结合研究区地质特征,描述了VSP和DAS-VSP数据的采集过程,对比了两种数据的特征,分析了数据噪声水平。此外,基于数据转换方法,对比了转换前后的数据特征,进而验证了转换方法的有效性。
已有研究表明,DAS数据的信噪比较传统地震检波器数据低1-2个数量级,为改善数据质量,本文针对DAS信号的噪声特征搭建了正则化约束的残差通道注意力网络。网络映射过程中生成的大量特征图对于预测目标往往具有不同的重要程度,平等对待每一个特征不利于网络对有效信息的提取,针对此问题,引入了通道注意力机制,用来赋予有用信息更高的权重。此外,受低秩约束去噪方法的启发,数据噪声越强,奇异值越大。因此,本文采用核范数和全变分正则化优化了网络损失函数。在训练数据准备中,噪声数据来自研究区无主动源情况下光纤接收的背景噪声,这与实际数据中的噪声类型更加吻合,无噪声数据来自于随机地质模型的正演模拟。合成数据与实际数据的测试结果表明,搭建的去噪网络具有较好的泛化能力,可以有效去除DAS-VSP数据的强噪声干扰,是DAS-VSP数据噪声衰减的有效工具。
上、下行波对于VSP勘探具有不同作用,因此精确的波场分离是VSP数据处理的关键步骤。传统平面波破坏滤波(PWD)方法是在数据驱动下计算地层倾角,在VSP数据中,此倾角同时包含了上、下行波信息,所以无法实现上、下行波的有效分离。针对此问题,本文依据上、下行波的典型线性特征,通过局部倾角参数化改进了传统平面波破坏滤波方法。合成数据及实际数据的测试结果表明,该方法在不同地质条件下均可实现上、下行波波场的有效分离。然而,好的分离效果依赖于参数的精细设置。为此,本文提出了双阶段残差学习网络,即分别基于去噪后数据和去除的噪声来分离上、下行波,两个阶段的分离结果共同组成了最终结果。一方面,它可以在无监督下自动实现波场分离,另一方面,它可以从丢弃的噪声数据中二次提取有效信息,进而减少数据去噪对有效信号的损伤。
无论地震检波器信号还是DAS信号,其频带都是有限的,频带限制极大地影响了地层参数的反演精度。针对此问题,本文结合全波形反演和深度学习开展了相关研究。首先,基于倾角约束及通道注意力机制建立了正则化通道注意力网络,并将该网络用于图像超分辨率。其次,将图像超分辨率引入到全波形反演的迭代过程中。合成数据与实际数据的测试结果表明,该技术流程可以加快全波形反演的收敛速度,减少计算时间并提高反演分辨率。虽然该方法在一定程度上提高了计算效率,但是面对大型三维或四维数据时,计算时间及低频缺失引起的“周波跳跃”仍是面临的挑战。针对此问题,本文以地震频带为纽带,分别从低频、正常频带及高频三个角度出发,搭建了具有递进关系的多任务学习网络,分别用于低频延拓、地层参数反演和图像超分辨率。合成数据与实际数据的测试结果表明,搭建的网络具有较好的泛化能力,是地层参数预测的高效、高精度技术手段。
总体而言,围绕DAS技术在煤田勘探中面临的难题,本文从DAS信号与地震检波器信号特征分析、DAS-VSP数据去噪与波场分离和地层参数高分辨率预测三个方面开展了研究。理论分析和应用示例表明了本研究的技术效果,可以进一步促进DAS技术在煤田勘探中的应用与发展。
欢迎来到三峡大学图书馆！
