地面微地震有源噪聲自動識別與匹配壓制方法

刁　瑞　吳國忱　尚新民　芮擁軍　崔慶輝

(①中國石油大學(華東)地球科學與技術學院，山東青島 266555； ②中國石化勝利油田分公司物探研究院，山東東營 257022)

1　引言

由于頁巖氣、頁巖油和煤層氣等非常規油氣儲層具有低孔隙度、低滲透率的物性特征，決定了其具有較大的開采難度[1，2]。非常規儲層水力壓裂改造技術成為提高油氣采收率的主要手段，特別是針對頁巖氣、頁巖油和煤層氣等非常規油氣資源，致密儲層的水力壓裂改造具有十分重要的作用和意義，微地震監測技術則被用于評價壓裂效果[3，4]。地面陣列式微地震監測技術采用多條測線數千個檢波器排列。基于星型排列的地面微地震監測采用超過1000道、6000～24000個檢波器，測線排列長度為2～10km。在地表進行微地震監測，具有監測范圍廣、數據采集量大等特點。相對井中微地震監測技術而言，地面微地震數據具有噪聲干擾嚴重、信噪比低、事件識別難度大的特點。劉玉海等[5]利用相鄰道信號之間的相關性，提出了一種基于隨機信號統計理論的互相關檢測方法。張旭亮等[6]利用K-L變換從多道微地震記錄中提取微地震信號，去除隨機噪聲和相干噪聲。趙翠霞等[7]基于正余弦加權逼近法實現了工頻干擾的自動識別與壓制，有效提高了地震資料的品質。刁瑞等[8，9]將改進S變換引入微地震監測數據的去噪處理，有效分離了微地震信號分量與噪聲干擾分量； 并基于陣列式微地震數據的優點，利用互相關的盲源分離去噪方法壓制隨機噪聲干擾。賈瑞生等[10]基于經驗模態分解及獨立成分分析提出了一種微地震信號降噪方法。李會儉等[11]將多尺度形態學理論應用于弱信號分析和識別，通過分析不同尺度下的信號特征，估計并檢測出微弱信號和噪聲。宋維琪等[12]研究了地面微地震資料τ-p變換去噪方法，增強了地面微地震事件的辨識度。崔慶輝等[13]針對微地震數據信噪比低的特點，聯合應用多種噪聲壓制技術，明顯提高了微地震信號的信噪比。

在進行地面微地震監測采集過程中，由于地表各種不利因素的影響，微地震數據中強能量的地面有源噪聲非常多，包括井場噪聲、鉆機噪聲、建筑工地噪聲、車輛噪聲、風噪、人步行和物體墜落噪聲等。壓裂井場噪聲以典型的面波方式傳播，向兩側逐漸衰減。車輛噪聲是典型的寬頻瞬變噪聲，噪聲振幅具有由小變大、再變小的特征。人步行或物體墜落是典型的窄頻穩定噪聲源，人步行引起的噪聲幾乎為固頻信號，形成單一頻率的尖脈沖[14]。儲層壓裂改造產生的震源能量相對較弱，各類地面有源噪聲的能量強，嚴重影響微地震數據的信噪比，微地震事件湮沒在噪聲中，增加了微地震事件的識別難度。必須通過針對性的地面有源噪聲壓制處理手段，提高微地震數據的信噪比，以保證微地震震源點的定位精度。在充分分析微地震噪聲特征基礎上，根據地面有源噪聲與微地震事件在能量、頻率、傳播速度及源位置不同的特點，提出了一種地面微地震有源噪聲自動識別與匹配壓制方法。在長短時窗能量比和微地震量板聯合自動識別有源噪聲的基礎上，進行噪聲源位置和傳播速度三維最優并行搜索，確定有源噪聲的位置坐標和噪聲傳播速度后，根據噪聲標準道和自適應匹配算子，對地面有源噪聲進行自適應壓制處理。

2　有源噪聲特征分析

對非常規油氣藏進行儲層壓裂改造，水力壓裂造成的巖石破裂類似于一個震源，而震源能量相對較弱，微地震信號從震源點向上傳播過程中，能量又被地層強烈吸收衰減，造成微地震事件湮沒在噪聲干擾里。只有通過分析地面有源噪聲的特征，才能針對性地壓制噪聲，達到提高微地震數據品質的目的。微地震事件與地面有源噪聲的特征差別主要包括以下幾個方面。

(1)源位置差異。壓裂段位于地下儲層中，微地震事件由震源點從下向上傳播；而噪聲源位于地面，噪聲干擾沿地面或高速層頂界面傳播。由于微地震事件和噪聲干擾的傳播路徑不同，到達不同站點的時差存在差異，微地震監測數據中微地震事件的同相軸形態與噪聲干擾的同相軸形態不同，即不同站點之間的旅行時差存在特征差異。

(2)傳播速度差異。壓裂造成的震源點由深層往地面傳播，地下介質的傳播速度較高，而地面噪聲源主要是通過地面或沿高速層頂界面滑行，傳播速度為低降速帶或高速層速度，巖石破裂地震波和有源噪聲的傳播速度存在明顯的差異，即微地震數據中的同相軸斜率或視速度不同。

(3)能量差異。從整體上分析，微地震事件和地面有源噪聲的能量差異明顯，儲層壓裂造成的巖石破裂能量相對較弱，地面有源噪聲的能量相對較強。另外，地面站點在壓裂段上方的地面均勻分布，壓裂震源點到達地面站點時能量基本相當或差別不大。地面有源噪聲在傳播過程中衰減劇烈，距離較近的地面站點中噪聲能量較強，而距離較遠的地面站點中噪聲能量較弱，即地面有源噪聲在不同距離的站點中能量差異明顯。

(4)頻率差異。由于檢波器布設于地面，地震波經歷了地層的吸收衰減作用，地面微地震監測數據的頻率范圍是5～100Hz。車輛、建筑工地等噪聲具有寬頻特征，人步行、鉆機干擾、工頻干擾等具有窄頻或單頻特征，其中工頻干擾的頻率約為50Hz。

圖1為地震波傳播路徑及模擬旅行時記錄，可見震源點位于地下儲層附近，微地震信號從下向上傳播，地面站點均勻分布，微地震事件具有雙曲線特征，并且地層速度相對較高，站點之間的旅行時差相對較小。噪聲源位于地面，有源噪聲沿高速層頂界面傳播，當噪聲源位于所有站點一側時，地面有源噪聲具有線性特征(圖1b)； 當噪聲源位于站點中部時，地面有源噪聲具有雙曲線特征，并多次重復出現(圖1c)。由于正演模擬過程中沒有考慮吸收衰減，因此不存在能量差異，但從旅行時和傳播速度兩個方面的差異特征，可有效識別微地震事件和地面有源噪聲。

3　方法原理

根據微地震事件與地面有源噪聲在旅行時、傳播速度、能量和頻率方面的差異，提出了微地震有源噪聲自動識別與匹配壓制方法，對微地震數據中的有源噪聲進行自適應壓制。該技術的主要思路為：首先，在微地震數據中地面有源噪聲發育的情況下，采用長短時窗能量比方法和微地震量板自動識別有源噪聲，得到微地震數據中有源噪聲的到達時刻；其次，根據疊加能量最強的原則，沿地面進行三維最優并行搜索，同時確定有源噪聲的位置坐標和噪聲傳播速度；然后，根據有源噪聲的位置坐標和傳播速度，計算每一個微地震站點的動校正量，并對微地震數據進行動校正處理；最后，根據有源噪聲標準道和自適應匹配算子，對有源噪聲進行自適應壓制處理，并進行反動校正處理，可得到高信噪比的微地震數據。該技術主要包括三方面內容： ①長短時窗能量比與微地震量板聯合的有源噪聲自動識別； ②源位置和傳播速度三維最優并行搜索； ③基于匹配算子的有源噪聲自適應壓制。

3.1　長短時窗能量比與微地震量板聯合自動識別

微地震數據初至拾取方法主要有長短時窗能量比方法(STA/LTA)、偏振分析及AIC方法、初至拾取SLPEA算法、基于匹配追蹤的事件識別方法等[15，16]。劉勁松等[17]利用改進的高階累計量的偏度和峰度計算方法識別微地震事件。王鵬等[18]利用Renyi熵值表示微地震數據的時頻稀疏程度，建立以低熵值的道數為判別閾值的目標函數，在對低信噪比數據處理中取得了較好效果。長短時窗能量比方法根據環境噪聲振幅弱、頻帶寬，而地震信號振幅強、頻帶窄的特點，通過計算一長一短兩個滑動時窗內地震記錄特征函數的平均值之比作為拾取地震波初至到時的依據。短時窗能量值的變化往往比長時窗能量值的變化快，用短時窗能量平均值與長時窗能量平均值進行對比，當存在能量變化的情況下，長短時窗能量比值就會明顯增大。

僅僅依賴地震信號與環境噪聲的差異進行初至拾取是比較困難的，長短時窗能量比方法無法區分微地震事件和噪聲干擾，應該綜合考慮多種特征差異自動識別噪聲干擾。在此基于能量、傳播速度和源位置不同的特點，采用長短時窗能量比與微地震量板聯合的方法，自動識別微地震數據中的有源噪聲。長短時窗能量比方法從能量差異的方面進行判別，微地震量板從旅行時差異或時距關系的方面進行進一步識別，最終實現有源噪聲的自動識別。

相對于微地震事件而言，地面有源噪聲能量相對較強，可利用長短時窗能量比方法確定微地震數據中噪聲源分布范圍。在利用能量比法進行計算時，由于初至點以上少數樣點的幅值有可能接近零，為了避免這種情況的發生，同時提高初至拾取的穩定性，對前后時窗的能量分別加一個穩定因子。穩定能量比方法的數學表達式為

(1)

式中：f(t)為微地震數據；T1為短時窗開始時刻；T0為短時窗與長時窗交叉時刻；T2為長時窗結束時刻；A為振幅因子；α為穩定系數(可據不同數據調整)。設置一個自動識別能量閾值θ，當長短時窗能量比值大于θ時，則該時刻就存在有源噪聲，當長短時窗能量比值小于θ時，則不存在有源噪聲。

長短時窗能量比方法識別的信號中可能包含微地震事件，需要通過微地震量板做進一步識別。微地震量板即為震源點到所有接收點的走時形態，儲層壓裂產生的震源點位于射孔點周圍，以射孔點為震源點，在建立速度模型和已知站點分布的基礎上，通過正演模擬方法獲得震源點的正演記錄，其中壓裂震源點的走時形態與微地震量板基本一致。計算識別信號與微地震量板之間的均方差值φ，通過差值φ與微地震量板因子δ識別信號，其數學表達式為

(2)

Y-8HF井鉆遇砂礫巖油藏，位于東營凹陷北部陡坡帶東翼，主力含油層系為沙四段砂礫巖體，是常溫、常壓、低孔隙度、特低滲油藏。對砂礫巖體致密油藏進行儲層壓裂改造，Y-8HF井共13段壓裂，壓裂方向近為南北向，微地震監測站點位于壓裂段上方。圖2a為兩個壓裂段的微地震量板，是根據兩個壓裂段的射孔點分別計算得到的，藍色線是第2壓裂段，紅色線是第5壓裂段； 圖2b為微地震量板與實際監測數據的對比，微地震量板與實際數據的旅行時形態基本一致(即φ<δ)，該識別信號在微地震事件集合內，最終確定為微地震事件，避免了微地震事件的誤拾和有源噪聲的漏拾。

圖2　不同壓裂段微地震量板(a)及與實際地震數據(b)的對比

3.2　源位置和傳播速度三維最優并行搜索

噪聲源分布于地面或近地表，因此可以沿地面的大地坐標X和Y方向進行噪聲源位置的搜索；有源噪聲沿高速頂界面傳播，可以確定傳播速度v的范圍。基于以上兩方面的因素，可以進行噪聲源位置(X和Y)和噪聲傳播速度(v)的同時最優搜索，并引入并行搜素機制，大幅提高運算效率。

首先，利用不同噪聲源位置和傳播速度對自動識別的有源噪聲做動校正處理，消除傳播距離造成的時差；其次，計算動校正后數據疊加能量，可得三維疊加能量譜，計算中采用并行算法可大幅提高效率；最后，求取疊加能量譜最大值，該最大值對應的位置和傳播速度即為最優搜索結果。

沿大地坐標X方向平均剖分為M個網格，用i表示網格序號(i=0,1,2,…,M)； 沿大地坐標Y方向將地表平均剖分為N個網格，用j表示網格序號(j=0,1,2,…,N)； 將速度掃描范圍均分為Z個速度值，用k表示速度掃描序號(k=0,1,2,…,Z)。最優并行搜素疊加能量數學表達式為

(3)

式中：S為地面檢波器站點總數；fp(t)為第p個站點數據；li,j,p為第i×j個網格點到第p個站點傳播距離；li,j,min為第i×j個網格點到所有站點最小距離；vk為第k個掃描速度值。對動校正后的數據求取疊加能量，當Ei,j,k值最大時，所對應的第i×j個網格點和掃描速度值vk即為最優的噪聲源位置和傳播速度，最優噪聲源網格點記為ib×jb，最優噪聲傳播速度記為vbest。

3.3　基于匹配算子的有源噪聲自適應壓制

利用確定的最優噪聲源位置和傳播速度對微地震數據進行動校正處理，動校正后有源噪聲同相軸表現為水平同相軸[19-21]，將各道數據疊加取均值可得到噪聲標準道[22]，在引入自適應匹配算子的基礎上，對所有站點的有源噪聲進行自適應壓制。

有源噪聲標準道n(t)的數學表達式為

(4)

式中：lib,jb,p為噪聲源所在網格到第p個站點的距離；lib,jb,min為噪聲源所在網格到所有站點中的最小距離；vbest為噪聲傳播速度。

以有源噪聲標準道n(t)為基準，通過維納方程和Levinson算法進行自適應匹配，求得第p個站點的自適應匹配算子hp(t)，然后從微地震數據中減掉有源噪聲，得到噪聲壓制后數據

(5)

4　模型試算及資料試處理

應用微地震噪聲壓制方法，能有效提高微地震數據的品質及微地震事件的定位精度[23]。 通過正演模擬數據驗證方法的可行性，在模擬過程中采用Y-8HF井的實際微地震監測觀測系統，該井儲層為致密砂礫巖體[24]。圖3a為Y-8HF井的地面微地震監測站點分布示意圖，藍色線為地面臺站分布，共計約900個站點，南北方向分布范圍是1700m，東西方向分布范圍600m，黃色線為井軌跡，水平段位于靶點A和靶點B之間，由南向北共計13段壓裂；圖3b為地面噪聲源分布示意圖，噪聲源位于地面站點的東南方，坐標為(5000m，1000m)，距離檢波器站點約為2～3km。

根據壓裂井區的地層特征，高速層速度采用2000m/s，對噪聲源的傳播特征進行模擬，得到有源噪聲正演模擬結果(圖4a)；將正演模擬數據與實際微地震數據(圖4b)進行對比，可見兩者的噪聲具有相同特征。由于噪聲源位于地面站點的東南方，且距離較遠，地面有源噪聲具有線性特征，并且噪聲源具有一定的規律性，有源噪聲在微地震數據中重復出現，間隔時間約為500～600ms。

基于所有微地震站點數據的疊加能量最大原則， 沿地面有源噪聲分布范圍進行三維最優并行搜索，在搜索噪聲傳播速度的同時，計算有源噪聲分布范圍內每一個位置點到達微地震站點的波至時間，根據對應的波至時間對微地震數據進行動校正處理，并將動校正處理后的所有道數據疊加，以求取每一個位置點的微地震數據疊加能量值，圖5為三維最優并行搜索能量譜示意圖。

圖3　地面微地震監測站點分布(a)及地面噪聲源分布(b)示意圖

圖4　有源噪聲正演模擬數據(a)與實際微地震數據(b)對比

當某點的疊加能量值達到最大時，說明該點和對應的噪聲傳播速度能最合理地消除由于傳播距離不同造成的正常時差，實現最優動校正處理，該點即是有源噪聲的位置， 其對應的傳播速度即是有源噪聲的傳播速度。圖6a為東西方向能量譜，圖6b為南北方向能量譜，圖6c為速度方向能量譜，通過三維最優搜索得到噪聲源位置為(5000m，1000m)，噪聲傳播速度為2000m/s，與模型數據一致，驗證了該方法的有效性。速度方向能量譜的聚焦性較差，顯示有源噪聲的疑似位置呈西北—東南方向分布，這是由于觀測系統的南北方向排列相對較長，而東西方向排列相對較短，并且該有源噪聲位于排列的東南方向，距離較遠，因此能量譜聚焦性相對較差。在進行觀測系統設計時，應盡量將檢波器分散布設，以使各個方位角均勻分布，利于提高定位精度。

圖5　三維最優并行搜索能量譜

根據地面有源噪聲位置坐標、噪聲傳播速度及微地震監測觀測系統坐標，計算每一個微地震站點的動校正量。將動校正量代入微地震數據中，對微地震數據進行動校正處理，消除由于不同微地震監測檢波器之間傳播距離不同造成的正常時差。圖7為動校正處理前、后正演模擬數據，可見動校正處理后地面有源噪聲同相軸基本是一條水平直線，所有道數據疊加能量即為最大值，說明三維最優搜索確定的噪聲源位置和噪聲傳播速度是合理的。

為了進一步驗證方法的可行性和有效性，對實際監測微地震數據進行噪聲壓制處理。圖8a為噪聲壓制前微地震數據， 其中包括正演模擬微地震事件和地面建筑工地有源噪聲，該噪聲源位于排列的一側，有源噪聲具有線性特征； 圖8b為地面有源噪聲壓制后微地震數據，從圖中可以看出，地面有源噪聲自適應壓制技術可以有效地去除微地震數據中的地面有源噪聲，并不會損失有效信號，噪聲壓制效果較好。圖9a為實際監測微地震數據，其中包含周期性的地面有源噪聲，該噪聲源位于排列的中部，有源噪聲具有雙曲特征，隨著傳播距離的增加，噪聲干擾明顯減弱，距離噪聲源較遠的臺站幾乎接收不到噪聲干擾； 圖9b為噪聲干擾壓制后數據，地面有源噪聲得到了較好的壓制，數據信噪比明顯提升，有利于后續的微地震事件識別和精確定位。

圖6　東西方向(a)、南北方向(b)及速度方向(c)能量譜

圖7　動校正處理前(a)、后(b)的模擬數據對比

圖8　模擬地面有源噪聲壓制前(a)、后(b)效果對比藍色箭頭指示微地震事件，紅色箭頭指示有源噪聲

圖9　實際地面有源噪聲壓制前(a)、后(b)效果對比紅色箭頭指示有源噪聲

4　結論與展望

微地震數據中地面有源噪聲較多，而儲層壓裂改造產生的震源能量相對較弱，微地震事件湮沒于噪聲中。在充分分析微地震噪聲特征基礎上，根據地面有源噪聲與微地震事件在能量、頻率、傳播速度及源位置等方面的差異，提出了一種地面微地震有源噪聲自動識別與匹配壓制方法，獲得了高信噪比微地震數據。正演模擬數據和實際微地震數據去噪效果驗證了該方法的實用性和有效性。

在微地震數據的有源噪聲自動識別過程中，采用長短時窗能量比與微地震量板相聯合的方法。雖然長短時窗能量比方法無法確定強能量信號是有源噪聲還是微地震事件，但以微地震量板為準則，進行交互判斷和識別，避免了微地震事件的誤拾和有源噪聲的漏拾。通過三維最優搜索同時確定地面噪聲源的坐標位置和傳播速度，并引入并行搜索機制以大幅提高運算效率。根據所獲地面噪聲源坐標位置和傳播速度，在動校基礎上，通過自適應匹配算子對有源噪聲進行壓制處理，實現了有源噪聲的自適應壓制。

隨著頁巖油氣、煤層氣等非常規資源的不斷開發和儲層壓裂改造技術的應用，對微地震監測技術的需求越來越多。國內微地震監測技術也取得迅速發展，如高靈敏度監測儀器研發、觀測系統針對性設計、震源機制反演、三維速度模型優化校正、精確定位和壓裂裂縫綜合解釋等，但還需持續深入研究和探索。微地震監測技術仍將是一個研究熱點，特別是地面與井中聯合監測、地面臺站長期監測、有纜地震與無纜節點聯合采集等技術，具有廣闊的應用前景。

感謝中國石化勝利油田分公司物探研究院微地震項目組的鼎力支持！

[1]劉振武,撒利明,楊曉等.頁巖氣勘探開發對地球物理技術的需求.石油地球物理勘探,2011,46(5)：810-820.

Liu Zhenwu,Sa Liming,Yang Xiao et al.Needs of geophysical technologies for shale gas exploration.OGP,2011,46(5)：810-820.

[2]刁瑞,吳國忱,尚新民等.三維地震與地面微地震聯合校正方法.地球物理學報,2017,60(1)：283-292.

Diao Rui,Wu Guochen,Shang Xinmin et al.Joint correction method based on 3D seismic and surface microseismic data.Chinese Journal of Geophysics,2017,60(1)：283-292.

[3]孫龍德,撒利明,董世泰.中國未來油氣新領域與物探技術對策.石油地球物理勘探,2013,48(2)：317-324.

Sun Longde,Sa Liming,Dong Shitai.New challenges for the future hydrocarbon in China and geophysical technology strategy.OGP,2013,48(2)：317-324.

[4]刁瑞,吳國忱,崔慶輝等.地面陣列式微地震監測關鍵技術研究.巖性油氣藏,2017,29(1)：104-109.

Diao Rui,Wu Guochen,Cui Qinghui et al.Key techniques for surface array microseismic monitoring.Lithologic Reservoirs,2017,29(1)：104-109.

[5]劉玉海,尹成,潘樹林等.基于互相關函數法的地面微地震信號檢測研究.石油物探,2012,51(6)：633-637.

Liu Yuhai,Yin Chen,Pan Shulin et al.Ground microseismic signal detection based on cross-correlation function.GPP,2012,51(6)：633-637.

[6]張旭亮,桂志先,王鵬等.基于K-L變換的微地震資料去噪的分析及應用.工程地球物理學報,2013,10(1)：81-84.

Zhang Xuliang,Gui Zhixian,Wang Peng et al.The analysis and application of micro-seismic data denoising based onK-Ltransform.Chinese Journal of Engineering Geophysics,2013,10(1)：81-84.

[7]趙翠霞,尚新民,刁瑞等.基于正余弦加權逼近法的50Hz工業干擾壓制方法.油氣地球物理,2015,13(4)：14-17.

Zhao Cuixia,Shang Xinmin,Diao Rui et al.Method to suppress 50Hz industrial noise based on sine and cosine weighted approximation.Petroleum Geophysics,2015,13(4)：14-17.

[8]刁瑞,單聯瑜,尚新民等.微地震監測數據時頻域去噪方法.物探與化探,2015,39(1)：112-117.

Diao Rui,Shan Lianyu,Shang Xinmin et al.The denoising method for microseismic monitoring data in time-frequency domain.Geophysical and Geochemical Exploration,2015,39(1)：112-117.

[9]刁瑞,吳國忱,尚新民等.地面陣列式微地震數據盲源分離去噪方法.物探與化探,2017,41(3)：521-526.

Diao Rui,Wu Guochen,Shang Xinmin et al.The blind separation denoising method for surface array micro-seismic data.Geophysical and Geochemical Exploration,2017,41(3)：521-526.

[10]賈瑞生,趙同彬,孫紅梅等.基于經驗模態分解及獨立成分分析的微震信號降噪方法.地球物理學報,2015,58(3)：1013-1023.

Jia Ruisheng,Zhao Tongbin,Sun Hongmei et al.Microseismic signal denoising method based on empirical mode decomposition and independent component analysis.Chinese Journal of Geophysics,2015,58(3)：1013-1023.

[11]李會儉,王潤秋,曹思遠等.利用多尺度形態學識別微地震監測中的弱信號.石油地球物理勘探,2015,50(6)：1105-1111.

Li Huijian,Wang Runqiu,Cao Siyuan et al.Weak signal identification in microseismic monitoring with multi-scale morphology.OGP,2015,50(6)：1105-1111.

[12]宋維琪,劉太偉.地面微地震資料τ-p變換噪聲壓制.石油地球物理勘探,2015,50(1)：48-53.

Song Weiqi,Liu Taiwei.Surface microseismic noise suppression withτ-ptransform.OGP,2015,50(1)：48-53.

[13]崔慶輝,尹成,刁瑞等.地面微地震監測數據處理難點及對策.油氣藏評價與開發,2017,7(1)：7-13.

Cui Qinghui,Yin Cheng,Diao Rui et al.Difficulties and countermeasure of surface microseismic monitoring data processing.Reservoir Evaluation and Development,2017,7(1)：7-13.

[14]趙爭光,秦月霜,楊瑞召.地面微地震監測致密砂巖儲層水力裂縫.地球物理學進展,2014,29(5)：2136-2139.

Zhao Zhengguang,Qin Yushuang,Yang Zhaorui.Hydraulic fracture mapping for a tight sands reservoir by surface based microseismic monitoring.Progress in Geophysics,2014,29(5)：2136-2139.

[15]譚玉陽,于靜,馮剛等.微地震事件初至拾取SLPEA算法.地球物理學報,2016,59(1)：185-196.

Tan Yuyang,Yu Jing,Feng Gang et al.Arrival picking of microseismic events using the SLPEA algorithm.Chinese Journal of Geophysics,2016,59(1)：185-196.

[16]曹俊海,顧漢明,尚新民.基于局部相關譜約束的多道匹配追蹤算法識別微地震信號.石油地球物理勘探,2017,54(4)：704-714.

Cao Junhai,Gu Hanming,Shang Xinmin.Microseismic signal identification with multichannel matching pursuit based on local coherence spectrum constraint.OGP,2017,54(4)：704-714.

[17]劉勁松,王赟,姚振興.微地震信號到時自動拾取方法.地球物理學報,2013,56(5)：1660-1666.

Liu Jinsong,Wang Yun,Yao Zhenxing.On micro-seismic first arrival identification：A case study.Chinese Journal of Geophysics, 2013,56(5)：1660-1666.

[18]王鵬,常旭,王一博.基于時頻稀疏性分析法的低信噪比微震事件識別與恢復.地球物理學報,2014,57(8)： 2656-2665.

Wang Peng,Chang Xu,Wang Yibo.Automatic event detection and event recovery in low SNR microseismic signals based on time-frequency sparseness.Chinese Journal of Geophysics,2014,57(8)：2656-2665.

[19]刁瑞,胡曉婷,崔慶輝等.微地震監測中等效速度定位精度分析及應用.油氣藏評價與開發,2015,5(1)：49-53.

Diao Rui,Hu Xiaoting,Cui Qinghui et al.Precision analysis and application of equivalent velocity in micro-seismic monitor.Reservoir Evaluation and Development,2015,5(1)：49-53.

[20]王維波,周瑤琪,春蘭.地面微地震監測SET震源定位特性研究.中國石油大學學報(自然科學版),2012,36(5)：45-54.

Wang Weibo,Zhou Yaoqi,Chun Lan.Characteristics of source localization by seismic emission tomography for surface based on microseismic monitoring.Journal

of China University of Petroleum,2012,36(5)：45-54.

[21]譚玉陽,何川,張洪亮等.基于初至旅行時差的微地震速度模型反演.石油地球物理勘探,2015,50(1)：54-59.

Tan Yuyang,He Chuang,Zhang Hongliang et al.Microseismic velocity model inversion based on moveouts of first arrivals.OGP,2015,50(1)：54-59.

[22]高少武,趙波,祝樹云等.余弦函數自適應法識別與消除單頻干擾.石油地球物理勘探,2011,46(1)：64-69.

Gao Shaowu,Zhao Bo,Zhu Shuyun et al.Identification and suppression of single frequency interference by using cosine function adaptive method.OGP,2011,46(1)：64-69.

[23]王納申,張譯丹,黃家旋等.用微地震技術評價姬源油田體積壓裂的效果.物探與化探,2017,41(1)：165-170.

Wang Nashen,Zhang Yidan,Huang Jiaxuan et al.The application of micro-seismic monitoring and evaluation technology to evolution of volume fracturing effect in the Jiyuan oilfield.Geophysical and Geochemical Exploration,2017,41(1)： 165-170.

[24]張云銀,劉海寧,李紅梅等.應用微地震監測數據估算儲層壓裂改造體積.石油地球物理勘探,2017,52(2)：309-314.

Zhang Yunyin,Liu Haining,Li Hongmei et al.Reservoir fracturing volume estimation with microseismic monitoring data.OGP,2017,52(2)：309-314.