基于Shear let熵与SVM的地震信号去噪研究
发布时间：2021-10-29 02:14
地震勘探作为一种资源探索的方法一直都是学者们研究的热点。随着国家对矿产资源需求量的增多,并且能够被开采的资源不断减少,地震勘探的应用难度越来越大。地震勘探工程的基础是从品质好的地震记录出发开展后续环节。消减地震勘探随机噪声提高信噪比（SNR）是改善地震记录品质的关键。近年来,常规油气勘探资源日益紧缺,储备量丰富的非常规油气勘探已经成为全球油气开采的新热点。微地震监测是一种非常规油气勘探技术,但由于实际接收到的微地震信号总是被大量噪声所干扰,并且实际的微地震有效信号能量十分微小,导致有效信号无法人工识别。而沙漠地带常年被沙土覆盖,其产生的随机噪声极其复杂,具有低频性、变化的非平稳性、非高斯性、非时限性、非均匀变相波动特性等。这类噪声限制了已有优秀的消噪技术的效果。本论文基于Shearlet（剪切）熵与SVM（Support Vector Machines,支持向量机）开展地震信号随机噪声消减研究,主要针对微地震信号和沙漠地震信号展开去噪处理。根据微地震信号与沙漠信号各自的特性,本文通过提取不同的特征量来实现信噪的分离。使用Shearlet变换将微地震信号与沙漠地震信号映射到变换域进行处理...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
Shearlet频域支撑区间(a)Shearlet频域剖分
第 2 章 Shearlet 熵的基本原理11图 2.2 分解流程图2.2 Shearlet 能量熵Shearlet 不但有着十分简单的数学结构，同时可以实现最优逼近的信号稀疏表达。使用 Shearlet 变换分解信号，能捕捉信号更多的特征，能将单一的时域信号变换到 Shearlet 域，得到多尺度多方向的 Shearlet 系数，十分有利于多维特征的提取。本文对待处理井中微地震数据进行 Shearlet 变换后，可通过 Shearlet 尺度间相关性的特征，增强信号，削弱噪声的影响。并求出增强后信号的能量熵作为井中微地震信号的特征量。2.2.1 信息熵信息论之父 Shannon 在 1948 年提出了这样的概念：任意一段信息都存在冗余度，冗余度的大小是与这段信息中每一个数出现的概率密切相关的。后来Shannon 结合热力学的基本原理
首先进行尺度选择，由于井中微地震中大量的有效信号信息集中在高频尺度层，所以选取精（高）尺度层 3 和 4 进行处理。图 2.4 为进行 Shearlet 变换后第 3 尺度各方向子带的 Shearlet 系数。从图中可以看出，有效信号系数分布集中，且幅值较大，能量更强，而噪声随机分布在各个尺度各个方向。(a) 方向 1 (b) 方向 2 (c) 方向 3
【参考文献】：
期刊论文
[1]基于支持向量机的地震体波震相自动识别及到时自动拾取[J]. 蒋一然,宁杰远. 地球物理学报. 2019(01)
[2]基于核密度估计的结构地震需求信息熵重要性分析[J]. 王秀振,钱永久,瞿浩. 振动与冲击. 2019(01)
[3]深度神经网络拾取地震P和S波到时[J]. 于子叶,储日升,盛敏汉. 地球物理学报. 2018(12)
[4]基于深度神经网络的图像修复取证算法[J]. 朱新山,钱永军,孙彪,任超,孙亚,姚思如. 光学学报. 2018(11)
[5]焦石坝区块分段压裂井中微地震实时监测技术[J]. 高东伟,赵志红,张晗,李婷. 油气井测试. 2018(05)
[6]基于粒子群算法的支持向量机的参数优化[J]. 陈晋音,熊晖,郑海斌. 计算机科学. 2018(06)
[7]塔里木盆地石油地质基本特征研究[J]. 马文婷. 中国石油和化工标准与质量. 2017(05)
[8]陆地地震勘探随机噪声统计特性[J]. 钟铁,李月,杨宝俊,吴宁,田雅男. 地球物理学报. 2017 (02)
[9]基于多小波熵和信号熵的植物电信号特征提取[J]. 舒彬. 电脑知识与技术. 2016(07)
[10]沙漠地区地震勘探随机噪声建模及其在噪声压制中的应用[J]. 李光辉,李月. 地球物理学报. 2016(02)
博士论文
[1]陆地地震勘探随机噪声建模与分析[D]. 李光辉.吉林大学 2016
[2]多尺度分析与压缩感知理论在图像处理中的应用研究[D]. 冯鑫.兰州理工大学 2012
硕士论文
[1]基于Shearlet变换与AIC的微地震初至提取[D]. 巩佳琦.吉林大学 2018
[2]基于Contourlet变换和Shearlet变换的图像去噪算法研究[D]. 唐飞.湘潭大学 2014
[3]水力压裂微地震事件自动识别与拾取[D]. 魏路路.长安大学 2013
[4]井中压裂微地震监测技术方法研究[D]. 徐刚.中国石油大学（华东） 2013
[5]Shearlet变换在图像边缘检测中的应用研究[D]. 岳彦刚.西安建筑科技大学 2013
本文编号：3463764
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
Shearlet频域支撑区间(a)Shearlet频域剖分
第 2 章 Shearlet 熵的基本原理11图 2.2 分解流程图2.2 Shearlet 能量熵Shearlet 不但有着十分简单的数学结构，同时可以实现最优逼近的信号稀疏表达。使用 Shearlet 变换分解信号，能捕捉信号更多的特征，能将单一的时域信号变换到 Shearlet 域，得到多尺度多方向的 Shearlet 系数，十分有利于多维特征的提取。本文对待处理井中微地震数据进行 Shearlet 变换后，可通过 Shearlet 尺度间相关性的特征，增强信号，削弱噪声的影响。并求出增强后信号的能量熵作为井中微地震信号的特征量。2.2.1 信息熵信息论之父 Shannon 在 1948 年提出了这样的概念：任意一段信息都存在冗余度，冗余度的大小是与这段信息中每一个数出现的概率密切相关的。后来Shannon 结合热力学的基本原理
首先进行尺度选择，由于井中微地震中大量的有效信号信息集中在高频尺度层，所以选取精（高）尺度层 3 和 4 进行处理。图 2.4 为进行 Shearlet 变换后第 3 尺度各方向子带的 Shearlet 系数。从图中可以看出，有效信号系数分布集中，且幅值较大，能量更强，而噪声随机分布在各个尺度各个方向。(a) 方向 1 (b) 方向 2 (c) 方向 3
【参考文献】：
期刊论文
[1]基于支持向量机的地震体波震相自动识别及到时自动拾取[J]. 蒋一然,宁杰远. 地球物理学报. 2019(01)
[2]基于核密度估计的结构地震需求信息熵重要性分析[J]. 王秀振,钱永久,瞿浩. 振动与冲击. 2019(01)
[3]深度神经网络拾取地震P和S波到时[J]. 于子叶,储日升,盛敏汉. 地球物理学报. 2018(12)
[4]基于深度神经网络的图像修复取证算法[J]. 朱新山,钱永军,孙彪,任超,孙亚,姚思如. 光学学报. 2018(11)
[5]焦石坝区块分段压裂井中微地震实时监测技术[J]. 高东伟,赵志红,张晗,李婷. 油气井测试. 2018(05)
[6]基于粒子群算法的支持向量机的参数优化[J]. 陈晋音,熊晖,郑海斌. 计算机科学. 2018(06)
[7]塔里木盆地石油地质基本特征研究[J]. 马文婷. 中国石油和化工标准与质量. 2017(05)
[8]陆地地震勘探随机噪声统计特性[J]. 钟铁,李月,杨宝俊,吴宁,田雅男. 地球物理学报. 2017 (02)
[9]基于多小波熵和信号熵的植物电信号特征提取[J]. 舒彬. 电脑知识与技术. 2016(07)
[10]沙漠地区地震勘探随机噪声建模及其在噪声压制中的应用[J]. 李光辉,李月. 地球物理学报. 2016(02)
博士论文
[1]陆地地震勘探随机噪声建模与分析[D]. 李光辉.吉林大学 2016
[2]多尺度分析与压缩感知理论在图像处理中的应用研究[D]. 冯鑫.兰州理工大学 2012
硕士论文
[1]基于Shearlet变换与AIC的微地震初至提取[D]. 巩佳琦.吉林大学 2018
[2]基于Contourlet变换和Shearlet变换的图像去噪算法研究[D]. 唐飞.湘潭大学 2014
[3]水力压裂微地震事件自动识别与拾取[D]. 魏路路.长安大学 2013
[4]井中压裂微地震监测技术方法研究[D]. 徐刚.中国石油大学（华东） 2013
[5]Shearlet变换在图像边缘检测中的应用研究[D]. 岳彦刚.西安建筑科技大学 2013
本文编号：3463764
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3463764.html
