一种累计声发射信号kaiser点的识别方法
【专利摘要】本发明涉及地质勘探【技术领域】，特别涉及一种累计声发射信号kaiser点的识别方法，具体包括，对岩心样本进行声发射试验，得到岩心的累计声发射信号与时间特征数据系列{h,t}；选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列{h,t}进行分解；得到所述岩心累计声发射信号的高频系数与时间的特征数据系列{cdi,t}；根据所述累计声发射信号的高频系数与时间的特征数据系列{cdi,t}的突变点作为所述岩心的累计声发射信号kaiser点。通过上述实施例中的方法，利用小波分析方法识别累计声发射信号Kaiser点，可以更加准确的计算地应力，为钻井设计、选择并确定合适的钻井方案提供科学依据，以有效阻止钻进施工过程中井下复杂事故的发生。
【专利说明】一种累计声发射信号kai ser点的识别方法
【技术领域】
[0001] 本发明涉及地质勘探【技术领域】，特别涉及一种累计声发射信号kaiser点的识别 方法。
【背景技术】
[0002] 岩石在外载荷的作用下产生微裂缝，一部分应变能以弹性波的形式释放，称为岩 石的声发射。当应力达到和超过历史最高水平后，则产生大量声发射信号，即岩石声发射的 Kaiser效应，这点就是Kaiser点。通过对从原岩中取的定向的岩样，进行加载声发射试验， 测定Kaiser点，可找出岩样曾受到的最大应力，进一步可求取样点的原始三维应力状态。
[0003] 目前，就声发射测量地应力而言，除了声发射系统内部噪声、电磁干扰噪声、机械 噪声等常见噪声外，还包括岩石试件端面与压力机之间的摩擦噪声等岩石力学试验环境噪 声，常采用声发射累计信号和能量信号曲线，在曲线上找突然明显增加处的声发射信号，以 此确定为Kaiser点，但此方法在精度上存在不足。
【发明内容】
[0004] 为了解决现有技术中寻找kaiser点不够精确的问题，本发明提供了一种累计声 发射信号kaiser点的识别方法，可以更加准确的找到kaiser点。
[0005] 本发明实施例提供的一种累计声发射信号kaiser点的识别方法包括，
[0006] 对岩心样本进行声发射试验，得到岩心的累计声发射信号与时间特征数据系列 {h, t}；
[0007] 选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列{h，t} 进行分解；
[0008] 得到所述岩心累计声发射信号的高频系数与时间的特征数据系列Icdpt};
[0009] 根据所述累计声发射信号的高频系数与时间的特征数据系列{cdi，t}的突变点作 为所述岩心的累计声发射信号kaiser点。
[0010] 根据本发明实施例所述的一种累计声发射信号kaiser点的识别方法的一个进一 步的方面，将采集的岩心进行加工，加工为直径为25mm，长度为50mm的圆柱形岩心样本。 [0011] 根据本发明实施例所述的一种累计声发射信号kaiser点的识别方法的再一个进 一步的方面，在所述选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系 列{h，t}进行分解之前还包括，根据所述岩心特征预测该岩心kaiser点的时间区间。
[0012] 根据本发明实施例所述的一种累计声发射信号kaiser点的识别方法的另一个进 一步的方面，所述岩心特征至少包括岩心的种类、地质特征、地应力特征。
[0013] 根据本发明实施例所述的一种累计声发射信号kaiser点的识别方法的另一个进 一步的方面，所述岩心种类至少包括，砂岩层，灰岩层，泥岩层，盐岩层。
[0014] 根据本发明实施例所述的一种累计声发射信号kaiser点的识别方法的另一个进 一步的方面，根据所述累计声发射信号的高频系数与时间的特征数据系列{cc^t}的突变 点作为所述岩心的累计声发射信号kaiser点之中进一步包括，在所述时间区间内寻找突 变点，作为所述岩心的累计声发射信号kaiser点。
[0015] 根据本发明实施例所述的一种累计声发射信号kaiser点的识别方法的另一个进 一步的方面，在选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列 {h，t}进行分解之前还包括，对所述累计声发射信号与时间特征数据系列{h，t}进行去噪 处理。
[0016] 根据本发明实施例所述的一种累计声发射信号kaiser点的识别方法的另一个进 一步的方面，在选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列 {h，t}进行分解之后还包括，对分解的结果进行重构。
[0017] 通过上述实施例中的方法，利用小波分析方法识别累计声发射信号Kaiser点，可 以更加准确的计算地应力，为钻井设计、选择并确定合适的钻井方案提供科学依据，以有效 阻止钻进施工过程中井下复杂事故的发生。
【专利附图】
【附图说明】
[0018] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。在附图中：
[0019] 图1所示为本发明实施例一种累计声发射信号kaiser点识别方法的流程图；
[0020] 图2所示为本发明实施例一种累计声发射信号kaiser点识别方法的具体流程 图；
[0021] 图3a所示为本发明实施例累计声发射信号与时间的特征数据系列的曲线图；
[0022] 图3b所示为本发明实施例累计声发射信号和能量曲线特征示意图；
[0023] 图4a所示为本发明实施例岩心累计声发射信号的高频系数与时间的特征数据系 列曲线图；
[0024] 图4b所示为本发明实施例岩心累计声发射信号的低频系数与时间的特征数据系 列曲线图；
[0025] 图5所示为本发明实施例kaiser点的示意图。
【具体实施方式】
[0026] 为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发 明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并 不作为对本发明的限定。
[0027] 如图1所示为本发明实施例一种累计声发射信号kaiser点识别方法的流程图。
[0028] 包括步骤101，对岩心样本进行声发射试验，得到岩心的累计声发射信号与时间特 征数据系列{h，t}。
[0029] 步骤102,选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系 列{h，t}进行分解。
[0030] 步骤103,得到所述岩心累计声发射信号的高频系数与时间的特征数据系列 {cd" t}。
[0031] 步骤104,根据所述累计声发射信号的高频系数与时间的特征数据系列{edi，t}的 突变点作为所述岩心的累计声发射信号kaiser点。
[0032] 作为本发明的一个实施例，在所述步骤101中，将采集的岩心进行加工，加工为直 径为25mm，长度为50mm的圆柱形岩心样本。
[0033] 作为本发明的一个实施例，在所述步骤102之前还包括，根据所述岩心特征预测 该岩心kaiser点的时间区间。
[0034] 作为本发明的一个实施例，所述岩心特征至少包括岩心的种类、地质特征、地应力 特征。
[0035] 其中所述岩心种类至少进一步包括，砂岩层，灰岩层，泥岩层，盐岩层。
[0036] 作为本发明的一个实施例，在所述步骤104中，在所述时间区间内寻找突变点，作 为所述岩心的累计声发射信号kaiser点。
[0037] 作为本发明的一个实施例，在选择小波基函数和分解层数对所述累计声发射信号 与时间特征数据系列{h，t}进行分解之前还包括，对所述累计声发射信号与时间特征数据 系列{h, t}进行去噪处理。
[0038] 作为本发明的一个实施例，在选择小波基函数和分解层数对所述累计声发射信号 与时间特征数据系列{h，t}进行分解之后还包括，对分解的结果进行重构。
[0039] 通过上述实施例方法，利用小波分析方法识别累计声发射信号Kaiser点，可以更 加准确的计算地应力，为钻井设计、选择并确定合适的钻井方案提供科学依据，以有效阻止 钻进施工过程中井下复杂事故的发生。
[0040] 如图2所示为本发明实施例一种累计声发射信号kaiser点识别方法的具体流程 图。
[0041] 包括步骤201，将现场取样的岩心进行加工，例如加工为直径为25mm，长度为50mm 的圆柱形岩心样本。
[0042] 步骤202,利用声发射设备，例如GCTS-RTR-1500声发射设备做声发射试验，得到 岩心累计声发射信号与时间的特征数据系列{h，t}，累计声发射信号与时间的特征数据系 列的曲线图如图3a所示。
[0043] 步骤203,根据岩心样本的特征，例如根据岩心样本的岩心类型（砂岩层，灰岩层， 泥岩层，盐岩层等），地质特征、地应力特征等大致估算该岩心样本出现kaiser点的时间区 间，在本例中可以为50秒-100秒，如图3b所示为本发明实施例累计声发射信号和能量曲 线特征示意图，在该图中方框所包围的区域即为上述可能出现kaiser点的时间区域。
[0044] 在本步骤中可以根据历史经验来大致确定kaiser点的时间区域，例如根据岩心 类型和该岩心所处地质特征，以及该区域的地应力特征等参数来划分kaiser点出现的时 间区域。
[0045] 步骤204,对所述岩心累计声发射信号与时间的特征数据系列{h，t}进行去噪，可 以采用现有技术中的去噪方法，在本发明中不再赘述。
[0046] 步骤205,选择小波基函数和分解层数，利用Matlab软件来分解所述岩心累计声 发射信号与时间的特征数据系列{h，t}。在本例中可以选择db4小波基函数和4层分解所 述{h, t}。
[0047] 优选合适的小波基函数，先确定一个分解层数，对上述的{h，t}进行分解，其中可 以根据分解后得到的背景值的趋势与声波时间曲线的趋势进行比较，判断所述背景值的趋 势相比较声波时间曲线的趋势是否失真，即两者的趋势相同时，则此时确定的分解层数为 合理的；如趋势不相同，则需重新选择分解层数，对其进行分解计算，直到趋势相同。
[0048] 步骤206,对上述分解结果进行重构，利用重构函数，本例中可选用wrcoef函数， 对分解得到的高频系数和低频系数进行重构，重构的目的是为了保证高频系数与低频系数 的长度与原始信号的长度相同。
[0049] 步骤207,得到岩心累计声发射信号的高频系数与时间的特征数据系列{cdi，t}， 如图4a所示为本发明实施例岩心累计声发射信号的高频系数与时间的特征数据系列曲线 图，岩心累计声发射信号的低频系数与时间的特征数据系列Ic^t}，如图4b所示为本发明 实施例岩心累计声发射信号的低频系数与时间的特征数据系列曲线图。
[0050] 步骤208,在高频系数曲线最后一层分解结果中（在本例中为第4层分解结果）， 并且在上述确定的50秒-100秒的时间区间中寻找突变点，寻找过程可以使用一段区间中 数值序列的变化度进行比较，得到所述突变点，如图5所示为本发明实施例kaiser点的示 意图。
[0051] 通过上述本发明实施例的方法，利用小波分析方法识别累计声发射信号Kaiser 点，可以更加准确的计算地应力，为钻井设计、选择并确定合适的钻井方案提供科学依据， 以有效阻止钻进施工过程中井下复杂事故的发生。
[0052] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序 产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实 施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产 品的形式。
[0053] 本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程 图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一 流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算 机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理 器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生 用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能 的装置。
[0054] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或 多个方框中指定的功能。
[0055] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计 算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图 一个方框或多个方框中指定的功能的步骤。
[0056] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详 细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保 护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本 发明的保护范围之内。
【权利要求】
1. 一种累计声发射信号kaiser点的识别方法，其特征在于包括， 对岩心样本进行声发射试验，得到岩心的累计声发射信号与时间特征数据系列 {h, t}； 选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列{h，t}进行 分解； 得到所述岩心累计声发射信号的高频系数与时间的特征数据系列Icdpt}; 根据所述累计声发射信号的高频系数与时间的特征数据系列{cc^t}的突变点作为所 述岩心的累计声发射信号kaiser点。
2. 根据权利要求1所述的一种累计声发射信号kaiser点的识别方法，其特征在于，将 采集的岩心进行加工，加工为直径为25mm，长度为50mm的圆柱形岩心样本。
3. 根据权利要求1所述的一种累计声发射信号kaiser点的识别方法，其特征在于，在 所述选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列{h，t}进行 分解之前还包括，根据所述岩心特征预测该岩心kaiser点的时间区间。
4. 根据权利要求3所述的一种累计声发射信号kaiser点的识别方法，其特征在于，所 述岩心特征至少包括岩心的种类、地质特征、地应力特征。
5. 根据权利要求4所述的一种累计声发射信号kaiser点的识别方法，其特征在于，所 述岩心种类至少包括，砂岩层，灰岩层，泥岩层，盐岩层。
6. 根据权利要求3所述的一种累计声发射信号kaiser点的识别方法，其特征在于，根 据所述累计声发射信号的高频系数与时间的特征数据系列{cc^t}的突变点作为所述岩心 的累计声发射信号kaiser点之中进一步包括，在所述时间区间内寻找突变点，作为所述岩 心的累计声发射信号kaiser点。
7. 根据权利要求1所述的一种累计声发射信号kaiser点的识别方法，其特征在于，在 选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列{h，t}进行分解 之前还包括，对所述累计声发射信号与时间特征数据系列{h，t}进行去噪处理。
8. 根据权利要求1所述的一种累计声发射信号kaiser点的识别方法，其特征在于，在 选择小波基函数和分解层数对所述累计声发射信号与时间特征数据系列{h，t}进行分解 之后还包括，对分解的结果进行重构。
【文档编号】G01V1/00GK104063619SQ201410319157
【公开日】2014年9月24日 申请日期:2014年7月4日 优先权日:2014年7月4日
【发明者】侯冰, 陈勉, 金衍, 余夫, 卢运虎 申请人:中国石油大学(北京)