[发明专利]一种基于EEMD-SVD的地震流体识别方法

摘要

本发明公开了一种基于EEMD‑SVD的地震流体识别方法，本发明利用EEMD分解原始地震信号，并根据SVD算法消除地震信号在EEMD分解过程中的残余在各层IMF分量中的高斯噪声，提高振幅保真性，消除无效冗余信息。本发明利用EEMD‑SVD的算法优势，既有效克服模态混叠与端点效应，又能够有效抑制EEMD在分解过程中产生的随机噪声，保证地震信号分解过程中的振幅保真性，有利于提高地震流体预测精度。

主权项

一种基于EEMD‑SVD的地震流体识别方法，其特征在于具体的步骤如下：步骤一：输入地震叠后单道CDP数据，进行EEMD经验模态分解，得到IMF分量；将待处理CDP数据中加入等长度不等幅高斯白噪声，对复合信号EMD分解，重复操作k次，得到IMF分量c_ik和余项r_ik；白噪声幅值并遵循如下规律：a＝ek或lne+0.5alnk＝0式中，e为原信号标准差，即信号与EMD重构结果的偏离，a为白噪声幅值；步骤二：对IMF分量整体平均，${\mathrm{IMF}}_{ik}=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{\mathrm{IMF}}_{ik}$$r_i=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{r}_{ik}$式中，n为EMD分解的次数；步骤三：对输出的IMF分量进行信噪比SNR计算，并去除掉低信噪比的IMF第一分量；步骤四：对余下的各层IMF分别采用基于Hankle矩阵的奇异值分解去噪，通过奇异值曲线的突变点选择降阶参数；其具体做法如下：设单道地震CDP信号为X,道数为1，时间采样点数位n，则可以将单道地震CDP信号设为1*n的矩阵A，可以分解为：A＝UWV^T式中A＝UWV^TW＝diag(δ₁,δ₂,…,δ_i)为矩阵A的全部非零奇异值，且从大到小排列；U和V分别是矩阵A的左右奇异阵；根据Hankle矩阵的特点，原信号的大部分能量主要集中在较大的奇异值上，而信号中能量微小的细节特征则对应较小的奇异值，而这些小奇异值往往对应着信号噪声，因此通过合适的方法确定信号空间奇异值的有效阶次，再对信号空间的矩阵重构相应项取平均就可以实现对含有白噪信息的IMF分量进行有效的降噪处理；步骤五：对地震每个CDP信号循环步骤一到步骤四，即可将原始地震二维信号分解为N个降噪后的IMF分量地震二维信号；步骤六：对低频的IMF分量地震二维信号做希尔伯特变换，即可得到含有独立低频信息的地震流体预测剖面，根据含流体低频能量增强原则，可通过地震IMF低频剖面能量强弱识别流体部位。