DOI 10.24411/2413-046Х-2020-10726

АНАЛИЗ ОБРАБОТКИ ЗНАЧЕНИЙ ПРЕЛОМЛЕННЫХ ЭЛЕКТРИЧЕСКИХ ВОЛН В РАДИОТЕХНИЧЕСКИХ СИСТЕМАХ, ПРИМЕНЯЕМЫХ ДЛЯ ПРОГНОЗИРОВАНИЯ СЕЙСМИЧЕСКИХ ПОКАЗАТЕЛЕЙ И ФИНАНСОВЫХ ПОТЕРЬ

ANALYSIS OF PROCESSING VALUES OF REFRACTED ELECTRIC WAVES IN RADIO ENGINEERING SYSTEMS USED FOR PREDICTING SEISMIC INDICATORS AND FINANCIAL LOSSES

Еремеева Алина Юрьевна, ФГАОУ ВО «Сибирский федеральный университет» (СФУ) 

Колмаков Андрей Евгеньевич, ФГАОУ ВО «Сибирский федеральный университет» (СФУ) 

Троцкая Юлия Александровна, ФГАОУ ВО «Сибирский федеральный университет» (СФУ) 

Олейников Алексей Михайлович, ФГАОУ ВО «Сибирский федеральный университет» (СФУ) 

Золотухина Екатерина Олеговна, ФГАОУ ВО «Сибирский федеральный университет» (СФУ) 

Eremeeva Alina Yurievna, Siberian Federal University (SFU)

Kolmakov Andrey Evgenievich, Siberian Federal University (SFU)

TrotskayaYuliaAleksandrovna, Siberian Federal University (SFU)

Oleinikov Alexey Mikhailovich, Siberian Federal University (SFU)

Zolotukhina Ekaterina Olegovna, Siberian Federal University (SFU)

Аннотация. Метод преломленных волн (МПВ) является одним из популярных методов построения скоростных моделей геологических сред по сейсмическим данным. Он активно используется для решения задач разного масштаба: от изучения строения земной коры и верхов мантии методом глубинных сейсмических зондирований до построения моделей верхней части разреза по данным разведочной и инженерной сейсмики [Yilmaz, 2015]. Применение данного метода даст возможность спрогнозировать сейсмическую ситуацию и предотвратить финансовые потери, которые будет необходимы в дальнейшей ликвидации последствии катаклизмов. На протяжении всего существования МПВ актуальной задачей является развитие методов автоматической обработки данных. Так, для повышения качества данных (отношение сигнал/помеха) были предложены методы корреляционной обработки. Они позволяют усилить амплитуды целевых волн для дальнейшей обработки, включая пересчет головных волн фильтрами Винера [Селезнев, Еманов, 1998]. Важнейшим этапом МПВ является снятие времен вступлений преломленных волн для дальнейшего решения обратной задачи. В частности, разрабатывается большое количество подходов к автоматизации снятия времен первых вступлений.

Summary. The refracted wave method (Refractive Wave Method) is one of the popular methods for constructing velocity models of geological media from seismic data. It is actively used to solve problems of various scales: from studying the structure of the earth’s crust and upper mantle using deep seismic sounding to constructing models of the upper part of the section based on exploration and engineering seismic data [Yilmaz, 2015]. Throughout the existence of the MPV, an urgent task has been the development of methods for automatic data processing. So, to improve the quality of data (signal-to-noise ratio), methods of correlation processing were proposed. They make it possible to amplify the amplitudes of the target waves for further processing, including recalculation of the head waves using Wiener filters [Seleznev, Emanov, 1998]. The most important stage of the MPW is the removal of the arrival times of refracted waves for the further solution of the inverse problem. In particular, a large number of approaches are being developed to automate the removal of the first break times.

Ключевые слова: МПВ, Метод, Сейсмические данные, Задача, Подходы, Автоматизация, Обработка данных.

Keywords: MPV, Method, Seismic data, Problem, Approaches, Automation, Data processing.

Введение

В этой статье предлагается делить методы на одноканальный (анализ записи одного приемника) и многоканальный (анализ записей группы приемников). Многоканальный анализ чаще используют для уточнения грубо снятых времен первых вступлений [VanDecar, Crosson, 1990]. Обратная задача построения скоростных моделей по временам прихода сейсмических волн является неединственной, и существует несколько подходов к ее решению.

Построение модели проводится специалистом в ручном режиме. Для построения скоростной модели можно также предположить, что количество слоев в модели известно. Это потребует выделения ветвей на годографах времен прихода, но далее процедура становится автоматической: метод 𝑡′0 в различных вариациях [Пузырев, 1997], метод полей времен [Епинатьева и др., 1990]. Для целей автоматизации наиболее удобным является метод лучевой томографии [Natterer, 1986], из-за отсутствия этапа ручной работы с временами прихода. В данной работе рассматриваются подходы к автоматизированной обработке данных инженерной сейсмики. [1-2]

Основным объектом изучения является верхняя часть разреза (ВЧР), изучение которой необходимо для решения большого круга задач: от планировки строительства крупных сооружений до картирования археологических объектов. По сравнению с сейсморазведкой, инженерная сейсмика характеризуется меньшими масштабами работ, следовательно, и менее плотными системами наблюдений. Поэтому использование существующих в сейсморазведке обрабатывающих пакетов для анализа данных инженерной сейсмики затруднено.

Более того, автоматизация процесса обработки позволяет не только ускорить получение результата, но также провести экспресс-обработку прямо на профиле для контроля качества данных (что позволяет провести повторные измерения для устранения выявленных проблем).

Рассмотрим более подробно предлагаемые подходы к решению задач, обозначенных в предыдущем разделе. Суммирование накоплений. Ошибки при определении отметки времени воздействия при разных накоплениях на одном ПВ приводят к смещению, постоянному для одной сейсмограммы. Поэтому для определения смещения времени начала записи для двух накоплений достаточно определить смещение для одной трассы. [3-4]

В качестве инструмента для поиска величины смещения будем использовать ФВК. Перечислим основные шаги предлагаемого алгоритма:

1. Выбор удаления трассы для сравнения накоплений на одном пункте взрыва.
2. Расчет матрицы максимумов ФВК между накоплениями, анализ матрицы и отбраковка некачественных накоплений.
3. Построение системы линейных уравнений и ее решение для оценки относительных смещений между накоплениями.
4. Сдвиг сейсмограмм и суммирование накоплений.

Выбор трассы для корреляции стоит за обработчиком, однако в ходе работы было выявлено, что лучше для этой задачи подходят трассы, расположенные на небольшом расстоянии от источника (где уже сформировалась волновая картина, но сохраняется высокое отношение сигнал/шум). Интерполяция трассы на меньший шаг. Величина относительного смещения трасс зависит от исходной дискретизации сейсмической записи, для увеличения точности сопоставления трасс производится интерполяция на меньший шаг по времени.

Построение годографа первых вступлений. После получения итоговых сейсмограмм общего пункта взрыва следует этап снятия времен первых вступлений. Полностью автоматизировать эту процедуру трудно.

Корреляционные подходы дают хорошие результаты для уточнения грубо снятых времен, так как на результат сильно влияет правильный выбор окон анализа для оценки корреляции между трассами. Для данных инженерной сейсмики мы предполагаем, что очень грубое построение годографа делает обработчик. Он задает несколько точек, которые соединяются прямыми линиями. Эта процедура хорошо соответствует выделению ветвей годографов головных волн в методе 𝑡′0 .

Таким образом, получаем полуавтоматический подход к снятию времен первых вступлений:

1. Задание примерного годографа и выбор окна анализа.
2. Построение системы линейных уравнений и ее решение для оценки времен прихода волн.
3. Построение годографов первых вступлений времен (относительных времен).

Важным параметром является ширина окна анализа. Было проведено сравнение результатов для разных значений ширины окна анализа, см. пример на рис. 1. Вверху – длина окна 40 мс, внизу – длина окна 80 мс. Синяя линия – линия начала окна анализа (задана обработчиком). Красная линия – снятый годограф времен прихода волны. Для визуализации все трассы нормируются на собственные максимумы амплитуд. Тестирование на реальных данных показало, что оптимальным значением является ширина в 2–3 полупериода сигнала в первых вступлениях, см. верхнюю панель на рис. 1. Видно, что годограф (красная линия) на рис. 1 вверху лучше соответствует временам прихода сигналов, чем на рис. 1 внизу.

Еще одним важным параметром является количество соседних трасс при построении линейной системы. Напомним, что в задаче суммирования накоплений нужно считать ФВК для всех комбинаций. Иная ситуация возникает при снятии времен прихода волн, т. к. форма волн сильно изменяется при удалении от источника. Но это изменение происходит постепенно, так что трассу нужно сравнивать только с соседними трассами в некотором диапазоне. Чтобы выбрать этот диапазон, построим матрицу коэффициентов корреляции для сейсмограммы общей точки возбуждения.[5-6]

Пример такой матрицы показан на рис. 2. Проследив значения в строке матрицы, видно, как коэффициент корреляции падает при удалении от диагонали. На рисунке 2 слева показана матрица для окна анализа (рис. 2 вверху), на рис. 2 справа – матрица для окна анализа (рис. 1 внизу). Здесь также видно, что использование меньшего окна анализа дает лучший результат. Оптимальное число соседних трасс можно определить, определив коридор высоких значений вокруг диагонали; для данного примера использовалось десять соседних трасс.

Для тестирования разработанных инструментов были взяты данные, полученные в ходе полевых работ на территории Алтая в 2016 году. Тип источника – ударный (кувалда). Длина профиля составляет 156 м. Шаг ПВ – 10 м, шаг ПП – 2 м. Всего имелось 16 ПВ и 78 ПП. Все описанные ранее методы реализованы в виде программы на языке Python, что упрощает дальнейшую разработку и использование.

Разница полученных моделей составляет в среднем 80 мс, основные скоростные аномалии повторяют свои контуры, что говорит о высоком сходстве скоростных моделей. Таким образом показано, что применение разработанных алгоритмов не приводит к существенным погрешностям по сравнению с ручной обработкой данных.[7-8]

Основные результаты

Были разработаны и реализованы алгоритмы автоматической обработки данных МПВ: суммирование сейсмограмм накоплений, снятие времен первых вступлений, увязка системы годографов по взаимным временам. Инструменты суммирования сейсмограмм накоплений и снятия времен первых вступлений основаны на поиске относительного смещения сигналов на разных трассах с помощью функции взаимной корреляции.

Автоматическая увязка системы годографов позволяет компенсировать ошибки в определении нулевого времени (сдвиги годографов на постоянные задержки).

СПИСОК ЛИТЕРАТУРЫ

1. Боганик Г.Н., Гурвич И.И. Сейсморазведка. Учебник для вузов. – Тверь: Издательство АИС. – 2006. – 744 с.
2. Еманов А.Ф. Восстановление когерентных составляющих волновых полей в сейсмике: Дис. на степень доктора техн. наук. – Новосибирск, 2004. 279 с.
3. Епинатьева А.М., Голошубин Г.М., Литвин А.Л., Павленкин А.Д., Петрашень Г.И., Старобинец А.Е., Шнеерсон М.Б. Метод преломленных волн. – М.: Недра, 1990. – 296 с.
4. Крылов С.В., Кульчинский Ю.В., Мандельбаум М.М., Мишенькин Б.П., Мишенькина З.Р., Петрик Г.В., Селезнев В.С., Сергеев В.Н., Соловьев В.М., Суворов В.Д., Тен Е.Н., Шелулько И.Ф. Детальные сейсмические исследования литосферы на P- и S-волнах. – Новосибирск: Наука, 1993. – 199 с.
5. Пузырев Н.Н. Методы и объекты сейсмических исследований. Введение в общую сейсмологию. Новосибирск: Изд-во СО РАН. – 1997. – 299 с.
6. Селезнев В.С., Еманов А.Ф. Пересчет волновых полей головных волн фильтрами Винера // Геология и геофизика. – 1998. – Т. 39, № 4. – С. 536–546.
7. Ступина Т., Кулаков И. Сложностно-структурный подход к исследованию области применимости алгоритма PROFIT [Электронный ресурс] // InformationScienceandComputing. – 2009. – С. 79–85. http://www.foibg.com/ibs_isc/ibs-15/ibs-15-p10.pdf
8. Суворов В.Д., Беляшов А.В., Мельник Е.А. Сейсмическое изучение верхней части разреза на участке семипалатинского ядерного испытательного полигона // Технологии сейсморазведки. – 2013. – № 3. – С. 64–75.

LIST OF REFERENCES

1. Boganik G. N., Gurvich I. I. Seismic Exploration. Textbook for universities. – Tver: AIS Publishing house. – 2006. – 744 p.
2. Emanov A. F. Restoration of coherent components of wave fields in seismics: Dis. for the degree of doctor of engineering. sciences’. – Novosibirsk, 2004. 279 p.
3. Epinatieva a.m., Goloshubin G. M., Litvin A. L., Pavlenkin A.D., Petrashen G. I., Starobinets A. E., Schneerson M. B. Method of refracted waves. – Moscow: Nedra, 1990. – 296 p.
4. Krylov S. V., Kulchinsky Yu. V., Mandelbaum M. M., Mishenkin B. P., Mishenkina Z. R., Petrik G. V., Seleznev V. S., Sergeev V. N., Solovyov V. M., Suvorov V. D., Ten E. N., Shelulko I. F. Detailed seismic studies of the lithosphere on P-and S-waves. – Novosibirsk: Nauka, 1993. – 199 p.
5. Puzyrev N. N. Methods and objects of seismic research. Introduction to General seismology. Novosibirsk: publishing house of SB RAS, 1997, 299 p.
6. Seleznev V. S., Emanov A. F. Recalculation of wave fields of head waves by Wiener filters / / Geology and Geophysics. – 1998. – Vol. 39, No. 4. – P. 536-546.
7. Stupina T., Kulakov I. Complex-structural approach to the study of the field of applicability of the PROFIT algorithm [Electronic resource] / / InformationScienceandComputing. – 2009. – Pp. 79-85. http://www.foibg.com/ibs_isc/ibs-15/ibs-15-p10.pdf
8. Suvorov V. D., Belyashov A.V., Melnik E. A. Seismic study of the upper part of the section at the Semipalatinsk nuclear test site / / seismic exploration Technologies. – 2013. – no. 3. – Pp. 64-75.