[发明专利]基于初至信息的异常道智能判识方法

权利要求书

1.基于初至信息的异常道智能判识方法，其特征在于，该基于初至信息的异常道智能判识方法包括：

步骤1：输入原始采集单炮记录，利用修正S域变换方法，将时间域一维信号转换为时间—频率域二维信号；

步骤2：在二维时间—频率域内，利用二维域能量比方法进行初至拾取，并输出初至自动拾取时间信息，采用多项式拟合方法对初至时间进行曲线拟合，得到初至信息的多项式拟合公式；

步骤3：计算每一道初至自动拾取时间与多项式拟合公式计算时间的初至距离，并对所有道数据的初至距离进行运算，求取初至距离平均值和初至距离方差；

步骤4：在二维时间—频率域内，划定分析时窗范围，进行时窗能量、时窗主频、时窗频宽、时窗谱密度和时窗含信比这些判识参数的计算；

步骤5：根据计算得到的判识参数，不满足异常道判识条件的即不是异常道，满足异常道判识条件的即为异常道，并输出异常道桩号信息，从而快速智能地完成了异常道的判识。

2.根据权利要求1所述的基于初至信息的异常道智能判识方法，其特征在于，在步骤1中，在输入原始采集单炮记录时，输入单炮记录的炮点桩号、检波点桩号、道号、采样间隔、采样点数和总道数这些道头信息。

3.根据权利要求1所述的基于初至信息的异常道智能判识方法，其特征在于，在步骤1中，所述修正S域变换方法的数学公式为：

式中：y(t)是原始单炮记录，t为时间，单位是ms，XS(τ,ξ)是转换得到的时间—频率域二维信号，ξ为频率，单位是Hz，参数σ和β用于调节修正S域变换的分辨率参数，σ的取值范围为[0.5，1.5]，β的取值范围为[2.0，3.0]，τ为变换时窗的时间位置，单位是ms。

4.根据权利要求1所述的基于初至信息的异常道智能判识方法，其特征在于，在步骤2中，利用二维域能量比方法得到的初至自动拾取时间为fp_i(t)，fp_i(t)是一个一维数组，即每一道数据有一个初至自动拾取时间，对初至自动拾取时间进行多项式拟合，得到初至信息的多项式拟合公式为y＝ax²+bx+c，其中：y为拟合初至时间，x为初至自动拾取时间，a、b、c为拟合公式参数，根据拟合公式可以计算得到每一道数据对应的初至时间，t为时间，单位是ms，i为单炮记录的道号。

5.根据权利要求1所述的基于初至信息的异常道智能判识方法，其特征在于，在步骤3中，根据每一道地震数据都有的初至自动拾取时间fp_i(t)和多项式拟合公式计算时间Sfp_i(t)，计算每一道记录的初至时间距离Depth_i＝|fp_i(t)-Sfp_i(t)|，并计算初至距离平均值和初至距离方差N为单炮记录的总道数。

6.根据权利要求1所述的基于初至信息的异常道智能判识方法，其特征在于，在步骤4中，根据多项式拟合公式计算时间Sfp_i(t)，划定分析时窗宽度为Wide_i(t)，需要分析数据的时窗范围即为Window_i(t)＝[Sfp_i(t)-Wide_i(t)，Sfp_i(t)+Wide_i(t)]，对该时窗范围内的数据进行时窗能量、时窗主频、时窗频宽、时窗谱密度和时窗含信比这些判识参数的计算，所述时窗能量即为二维时间—频率域内能量值随时间的变化情况，所述时窗主频即为二维时间—频率域内主频值随时间的变化情况，所述时窗频宽即为二维时间—频率域内频带宽度随时间的变化情况，所述时窗谱密度即为二维时间—频率域内不同频段强能量值随时间的变化情况，所述时窗含信比即为二维时间—频率域内信号能量与总能量比值随时间的变化情况。

7.根据权利要求1所述的基于初至信息的异常道智能判识方法，其特征在于，在步骤5中，综合考量初至距离、初至距离方差、时窗能量、时窗主频、时窗频宽、时窗谱密度和时窗含信比这些判识参数，每类判识参数分别赋值1.5-2.0，当综合赋值满足异常道判识条件的即为异常道，所述满足异常道判识条件即为综合赋值超过8.0-8.5。