[发明专利]一种基于F-K域的被动源面波成像方法及数据筛选方法

说明书

本发明提供了一种基于F‑K域的被动源面波成像数据筛选方法，包括如下步骤：S1.对原始噪声数据进行预处理，并分割得到不同时间的噪声片段；S2.使用F‑K变换将噪声片段变换到频率波数域，对频率波数域的数据进行归一化，再拟合正负波数域的能量分布；S3.将能量分布与原始能量分布进行相关计算，得到不同时间片段的正负相关系数；S4.对不同时间片段的正负相关系数的大小进行降序排列，得到筛选后的正负因果叠加互相关函数；S5.通过正负因果叠加互相关函数，得到筛选后的数据。本发明可以自动检测具有高信噪比的噪声时间片段，无需人工干预，实现了数据快速自动化地筛选。

技术领域

本发明涉及地质勘测技术领域、被动源面波成像技术领域，尤其是涉及一种基于F-K域的被动源面波成像方法及数据筛选方法。

背景技术

面波分析方法被广泛应用于测量近地表横波波速结构。然而，随着人类对城市地下空间勘探需求的不断增加，且许多城市不宜进行大规模的主动源地震勘探，被动源面波方法得到了迅速发展，特别是在城市近地表调查应用中受到相关从业者的青睐。然而，该方法在实际应用中面临着诸多挑战，比如不均匀的噪声源分布和复杂的场地环境，会严重影响面波的频散成像效果，导致无法拾取准确的频散曲线，导致反演不准或失败。因此，需要进行数据筛选来提高被动源面波频散成像的精度，这一过程通常由人工完成，对于长时间的大型数据集处理来说，既费时又无聊。随着被动源技术在近地表勘探的大规模应用，有学者对近地表被动源面波数据筛选技术进行了研究。目前有基于原始信噪比进行加权叠加、互相关函数不对称性、τ-p域等被动源数据筛选方法，然而目前的自动筛选技术并不是真正意义上的自动化，它们通常是半自动的，需要在一定的阶段进行人工干预，效率需要进一步提高。

由于低成本、无损的特点，被动源面波成像方法在城市近地表勘探中表现出巨大的潜力。在被动源面波成像处理中，分割片段叠加是极为重要的一步。通过将长时间的噪声记录进行分割，然后再对其叠加，可以显著地提高面波能量的成像效果。对于成像质量较好的片段，它在进行叠加时会突显有效信号，而对于成像质量较差的片段，随着它的不断叠加不仅会降低成像效果，而且还会将微弱的有效信号淹没于噪声之中。通过数据筛选对提高被动源面波能量的成像精度具有深远意义。拾取准确的面波频散曲线，并对其进行反演，是近地表横波速度模型建立是否可靠的关键。在近地表被动源面波成像处理中，由于环境噪声的源分布未知和复杂的人为环境，有时很难获得高质量的互相关函数或可靠的面波频散曲线。为了提高面波频散成像的质量，需要进行数据筛选。因此，提供一种基于F-K域的被动源面波成像方法及数据筛选方法。

发明内容

本发明提供一种基于F-K域的被动源面波成像方法及数据筛选方法，该方法基于噪声数据在F-K域中面波能量的分布特征，通过最小二乘法拟合能量线性分布，并根据定义的正负因果相关系数对噪声时间片段进行排序，自动检测具有高信噪比的噪声时间片段，无需人工干预。

本发明实施例的一方面公开了一种基于F-K域的被动源面波成像数据筛选方法，包括如下步骤：

S1.对原始噪声数据进行预处理，并对其进行分割得到不同时间的噪声片段；

S2.使用F-K变换将所述噪声片段变换到频率波数域，对频率波数域的数据进行归一化，并保留数值大于0.8的能量，再通过最小二乘法拟合正负波数域的能量分布；

S3.将所述能量分布与原始能量分布进行相关计算，得到不同时间片段的正负相关系数；

S4.对所述不同时间片段的正负相关系数的大小进行降序排列，对相关系数数值大于等于0.6的噪声片段进行互相关运算并进行叠加，舍弃相关系数数值小于0.6的片段，得到筛选后的正负因果叠加互相关函数；

S5.通过所述正负因果叠加互相关函数，得到筛选后的数据。

在一些实施例中，在步骤S1中，所述预处理包括去均值、去趋势、重采样、去坏道、带通滤波、时间窗口分段、带通滤波、时域归一化和谱白化处理。