[发明专利]一种基于EEMD-ICA的地震低频信息流体预测方法

摘要

本发明公开了一种基于EEMD‑ICA的地震低频信息流体预测方法，包括：输入地震叠后单道CDP信号，进行EEMD经验模态分解，得到IMF分量；对IMF分量整体平均；识别出存在模态混叠的IMF分量信号；得到模态混叠分量所有的平移信号；对平移信号利用主成分分析进行降维；对PCA降维处理后得到的信号，通过Fast‑ICA计算得到解混后的分量信号；对得到信号分别进行频谱分析，并与原信号进行相似系数计算；对地震CDP数据按照道号，依次进行循环运算；对地震数据低频信息进行强振幅异常分析。本发明的优点在于：有效解决了EEMD的随机性、不稳定性、含噪性的问题，能够得到更加精确的提取地震信号的频率域信息，从而使得低频信息的获取更为准确，提高流体预测的精度。

主权项

1.一种基于EEMD‑ICA的地震低频信息流体预测方法,其特征在于包括以下步骤：步骤一：输入地震叠后单道CDP信号，进行EEMD经验模态分解，得到IMF分量；将待处理地震单道CDP信号中加入等长度不等幅高斯白噪声，对复合信号EEMD分解，重复操作k次，得到IMF分量c_ik和余项r_ik；步骤二：对IMF分量整体平均；步骤三：令步骤二对原始地震单道CDP信号s(t)进行EEMD分解得到IMF分量结果，所有的IMF分量为f₁(t)、f₂(t)至f_n(t)，对所有IMF分量信号进行频谱分析，识别出存在模态混叠的IMF分量信号f_k(t)；步骤四：对模态混叠的IMF分量f_k(t)分别平移τ_m个位置，得到模态混叠分量f_k(t)所有的平移信号分别为f_k1(t)、f_k2(t)至f_km(t)；步骤五：对步骤四得到的f_k1(t)、f_k2(t)至f_km(t)，共计m个平移信号；对这m个平移信号利用主成分分析进行降维；步骤六：对PCA降维处理后得到的信号，通过Fast‑ICA计算得到g_k1(t)、g_k2(t)至g_kn(t)，共计n个信号，得到的信号即为解混后的分量信号；步骤七：对步骤六得到n个信号分别进行频谱分析，并与步骤一中地震叠后单道CDP信号进行相似系数计算，去除噪声信号与非相似性冗余信号，保留相似系数最大的单个低频信号分量；执行公式：式中：s(t)为源地震CDP信号；g(t)为ICA解混后得到的分量信号；t为CDP信号时间采样点个数；步骤八：按照步骤一到步骤六，对地震CDP数据按照道号，依次进行循环运算；步骤九：对得到地震数据低频信息进行强振幅异常分析，强振幅异常区即为流体分布区域。