[发明专利]微地震事件检测方法及系统

说明书

本发明涉及一种微地震事件检测方法及系统，所述方法的步骤为：采集压裂过程中多个监测站点的微地震信号，建立训练数据集和测试数据集；建立卷积神经网络模型，将训练数据集样本输入到卷积神经网络模型中进行训练，将测试数据集样本输入至训练后的卷积神经网络模型中检验训练后的卷积神经网络模型的性能；存储卷积神经网络模型完成训练后的参数；采集实时压裂过程中多个监测站点的微地震信号，建立待测试数据集；将待测试数据集的数据输入至训练后的卷积神经网络模型中进行检测，获得各监测站点波形数据的样本分类结果，并根据该样本分类结果确定是否存在微地震事件。本发明能够实现微地震事件的实时在线检测，识别速度快，识别精度高。

技术领域

本发明属于油气勘探技术领域，涉及油气井压裂过程中的监测数据处理技术，具体地说，涉及了一种微地震事件检测方法及系统。

背景技术

微地震水力压裂监测技术是近年来非常规油气资源勘探开发领域应用的一项重要技术。水力压裂是通过井筒向目标储层注入高粘度的高压流体，使地层岩石破裂而释放能量级别很低的微地震信号。微地震水力压裂监测技术就是对此微地震信号进行检测和处理，以确定每个微地震事件的震源点，进而通过一系列震源点的分布描述压裂裂缝形态和分布规律。

实现对微地震事件快速准确地检测是后期微地震数据处理的基础。由于阵列式地面微地震监测系统的检波器都埋设在地表的浅层土壤，容易收到各种干扰的影响。因此，在实际压裂过程中地面监测站点采集的微地震信号背景噪声强，有效事件检测困难。传统的微地震事件检测技术在信号信噪比比较高时可以取得良好的检测效果，但在低信噪比情况下检测常常不准确，这将直接影响后续数据处理的质量。同时传统技术往往需要人工设定阈值，而阈值的设定影响检测结果，这就使得检测过程中引入了主观因素，进一步降低了检测的准确性。

发明内容

本发明针对现有技术存在的检测不准确等上述不足，提供一种微地震事件检测方法及系统，该方法和系统直接采集原始时域波形数据，经过训练后的模型能够高效精确的提取微地震信号的特征，实现微地震事件的实时在线检测，识别速度快，识别精度高。

为了达到上述目的，本发明提供了一种微地震事件检测方法，含有以下步骤：

采集压裂过程中多个监测站点的微地震信号，建立训练数据集和测试数据集；

建立卷积神经网络模型，将训练数据集样本输入到卷积神经网络模型中进行训练，将测试数据集样本输入至训练后的卷积神经网络模型中检验训练后的卷积神经网络模型的性能；

存储卷积神经网络模型完成训练后的参数；

采集实时压裂过程中多个监测站点的微地震信号，建立待测试数据集；

将待测试数据集的数据输入至训练后的卷积神经网络模型中进行检测，获得各监测站点波形数据的样本分类结果，并根据该样本分类结果确定是否存在微地震事件。

优选的，选用微地震信号中的垂直分量波形数据进行归一化和分组处理，每256个采样点作为一个数据样本，按照不同的样本类别分别标注标签，制作训练数据集和测试数据集。

优选的，所述卷积神经网络模型共6层隐含层，采用2层卷积层、2层降采样池化层与2层全连接层组成的模型框架。

优选的，训练卷积神经网络模型的具体步骤为：

(1)从训练数据集中均匀抽出小批量样本mini-batch按照批次顺序输入卷积神经网络模型中，计算损失函数值；

(2)通过反向传播进行迭代计算完成梯度的计算，采用自适应性矩估计算法更新卷积神经网络模型的参数，使损失函数值最小；

(3)循环训练所有批次，将所有数据迭代计算一遍成为一个epoch，若epoch 未达到设定值，则返回步骤(1)，继续进行训练，若epoch达到设定值，则完成训练。