Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними

У складних геологічних середовищах картування розломів за хвильовим сейсмічного полю часто буває скрутним. В алгоритмі попередньої обробки сейсмічних даних присутній просторове підсумовування трас, що призводить до «розмивання» точного місця знаходження розлому. Пропонується автоматизований спосіб в...

Full description

Saved in:

Bibliographic Details
Published in:	Геофизический журнал
Date:	2019
Main Author:	Гринь, Д.М.
Format:	Article
Language:	Ukrainian
Published:	Інститут геофізики ім. С.I. Субботіна НАН України 2019
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/167650
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними / Д.М. Гринь // Геофизический журнал. — 2019. — Т. 41, № 6. — С. 183-194. — Бібліогр.: 29 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860141075144900608
author	Гринь, Д.М.
author_facet	Гринь, Д.М.
citation_txt	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними / Д.М. Гринь // Геофизический журнал. — 2019. — Т. 41, № 6. — С. 183-194. — Бібліогр.: 29 назв. — укр.
collection	DSpace DC
container_title	Геофизический журнал
description	У складних геологічних середовищах картування розломів за хвильовим сейсмічного полю часто буває скрутним. В алгоритмі попередньої обробки сейсмічних даних присутній просторове підсумовування трас, що призводить до «розмивання» точного місця знаходження розлому. Пропонується автоматизований спосіб виділення розломів в тривимірному масиві сейсмічних даних логарифмічних декрементов загасання (ЛДЗ), які отримані при вирішенні оберненої задачі сейсміки. В сложных геологических средах картирование разломов по волновому сейсмическому полю часто бывает затруднительным. В алгоритме предварительной обработки сейсмических данных присутствует пространственное суммирование трас, что приводит к «размыванию» точного места нахождения разлома. Предлагается автоматизированный способ выделения разломов в трехмерном массиве сейсмических данных логарифмических декрементов затухания (ЛДЗ), которые получены при решении обратной задачи сейсмики. In complicated geological media mapping of faults according to wave seismic field often becomes difficult. In algorithm of preliminary processing of seismic data spatial summation of traces is present that leads to «corrosion» of exact location of the fault. Automated method is proposed for identification of faults in three-dimensional body of seismic data of logarithmic decrements of fading (LDF) obtained solving of inverse problem of seismic. Resolvability of LDF data is comparable with resolving ability of initial seismic records.
first_indexed	2025-12-07T17:49:31Z
format	Article
fulltext	АвтомАтизовАний спосіб визнАчення неузгодженого зАлягАння... геофизический журнал № 6, т. 41, 2019 183 Вступ. Розломи утворюються в резуль- таті формування більшості геологічних структур — міжблокових зсувів, насувів і скидів, зон стискання, грабенів і складок. У статті [Гринь, 2019] описано можливості виявлення місця розлому та встановлення УДК 550.834; 550.34.06 DOI: https://doi.org/10.24028/gzh.0203-3100.v41i6.2019.190075 Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними Д. М. Гринь, 2019 Інститут геофізики ім. С. І. Субботіна НАН України, Київ, Україна Надійшла 11 липня 2019 р. В сложных геологических средах картирование разломов по волновому сейсми- ческому полю часто бывает затруднительным. В алгоритме предварительной обра- ботки сейсмических данных присутствует пространственное суммирование трас, что приводит к «размыванию» точного места нахождения разлома. Предлагается авто- матизированный способ выделения разломов в трехмерном массиве сейсмических данных логарифмических декрементов затухания (ЛДЗ), которые получены при ре- шении обратной задачи сейсмики. Разрешающая способность данных ЛДЗ сопоста- вима с разрешающей способностью исходных сейсмических записей. В результате этого, анализ проводится не только с учетом отражающих особенностей среды, но и с ее поглощающими свойствами. Резкое изменение поглощения на незначительном пространственном интервале является хорошим идентифицирующим атрибутом на- личия несогласного наклонно-вертикального залегания геологических горизонтов. Глубинное и пространственное распространение выделяемых разломных структур является дополнительным аргументом, подтверждающим их существование. В качестве примера используются материалы детальной сейсмической съемки МОГТ 3D, проведенной «Укргеофизикой» на тонкослоистом шахтном поле шахты «Краснолиманская». Геологический разрез этого участка характеризуется повы- шенной сложностью из-за присутствия надвиго-сдвиговых геологических структур, связанных с растяжением и последующим сжатием этих территорий, что привело к появлению большого количества глубинных разломов и локальных трещин. В консолидированной геологической среде градиент изменения логарифмическо- го декремента затухания будет незначительным и функция поглощения состоит, в основном, из низкочастотных гармоник. Наличие же сдвиговых разломов приводит к резкому изменению поглощающих свойств среды и появлению локальных высоко- частотных колебаний. Наличие таких слабоамплитудных нестационарных процессов в гармонических функциях можно обнаружить, используя вейвлет анализ. Таким образом, в публикации представлен метод, дающий возможность в автоматическом режиме отыскивать зоны разуплотнения, связанные с разломами в трехмерных дан- ных 3D ОГТ, шахтного поля «Краснолиманскоя» площадью в 5,25 км2 и состоящих почти из 27,5 млн значений, которые отображают различные физические свойства среды. Ключевые слова: сейсмика, разлом, трещина, надвиг, вейвлет анализ, логариф- мический декремент поглощения. величини амплітуд зміщення монолітних блоків з використанням як основного іден- тифікатора локальних змін дисипативних властивостей середовища, отриманих у результаті розв’язку оберненої динаміч- ної задачі сейсміки, а саме обчислення д. м. гринь 184 геофизический журнал № 6, т. 41, 2019 часових даних логарифмічних декремен- тів згасання (ЛДЗ) [Гринь, 2001a]. За умови достатньої роздільної здатності сейсмічних даних можливий експрес-аналіз певних ділянок сейсмічного профілю з метою ви- значення видимих структурних колізій для розв’язання певних задач двовимірної сей- смічної розвідки. Це, наприклад, побудова вишукувальних профілів інженерної сей- сміки, приповерхневих профілів спільної глибинної точки (СГТ) з метою вивчення зони малих швидкостей, проведення сей- смічних робіт за методом спільної глибин- ної точки (МСГТ) для пошуку корисних ко- палин або детальних робіт за профілями ГСЗ. Спосіб пошуку місця неузгодженого залягання геологічних горизонтів, за про- понований у статті, використовує високу роздільну здатність часових даних ЛДЗ та можливість виділення слабо амплітудних та нестаціонарних явищ у функції погли- нання за допомогою вейвлет аналізу. Під неузгодженим заляганням розуміється на- явність контаку між двома геологічними структурами з різними фізичними влас- тивостями. Така неузгодженість може ви- никати як у наслідок ерозійних процесів з подальшим накопиченням різновікових геологічних горизонтів, так і механічних, з формуванням складок, розломів, тріщин та зон вклинювання. У даній статті об’єктом дослідження бу- дуть розломні зони з різним кутом падіння, які утворились у результаті скидів, насувів та зсувів геологічних порід. Використання вейвлет-аналізу для розв’язання сейсмічних задач. У 1982 р. J. Morlet, G. Arens, E. Fourgeau і D. Giard в журналі «Geophysics» опублікували ма- тематичний метод, альтернативний кла- сичному спектральному аналізу, основою якого є перетворення Фур’є [Morlet at al., 1982a,б]. Цей метод був розроблений і впер- ше використаний саме для вивчення осо- бливостей сейсмічного хвильового поля. Термін «wavelet» став загальновживаним з 1984 р., його автором є Жан Морле (Morlet). На сьогодні вейвлет-перетворення є ін- струментом прикладних досліджень прак- тично в усіх природничих науках. Його ви- користовують у теоретичній та прикладній математиці для розв’язання рівнянь мате- матичної фізики, квантової теорії поля, в радіофізиці, акустиці, біології, медицині, економіці. Основні напрями використання вейвлетів висвітлено в книзі «Wavelets: A Tutorial in Theory and Applications (Wavelet Analysis and Its Applications)» (під редакці- єю Charles K. Chui). Книга складається з 22 розділів, авторами яких є фахівці різних галузей науки. Один з розділів написа- ний Efi Foufoula-Georgiou і Praveen Kumar і присвячений застосуванню вейвлетів у гео фізиці [Foufoula-Georgiou, Kumar, 1994]. У сейсміці цей математичний апарат використовують для розв’язання багатьох задач, які умовно можна розділити на три великі групи. Перша група — видалення хвиль-завад різного генезису із сейсмічних записів. В основному мова йде про мало- ампітудні нестаціонарні високочастотні шуми (завади) [Chakraborty, Okaya, 1995; Chen, Fomel, 2014а; Shuchong, Xun, 2014]. До хвиль-завад відносять і поверхневі хви- лі, цуг яких накриває відбиті корисні хвилі. Видалення поверхневих хвиль Релея, Лява, Стоунлі надзвичайно важливе для задач ін- женерної геофізики, де довжина вишуку- вальних профілів є незначною [Roueff еt al., 2004; Bentaleb et al., 2010; Liu, Fomel, 2013; Fajardo, Reyes, 2015]. Друга велика група задач, в яких використовують вейвлет- перетворення, — підвищення роздільної Рис. 1. Схема розташування часового зрізу (профі- ля інлайн 80, показано сірою лінією) і розміщення основних геологічних структур, що формують роз- ломні зони: 1 — Центральний насув; 2 — Глибоко- ярський скид; 3 — Грачевський скид; 4 — Федорів- ський скид; 5 — скид 6; 6 — скид 5; 7 — Грушевський скид. Штриховою лінією позначено район проведен- ня сейсмічних робіт за МСГТ 3D. АвтомАтизовАний спосіб визнАчення неузгодженого зАлягАння... геофизический журнал № 6, т. 41, 2019 185 здатності сейсмічних даних. Ідея полягає у часовому звуженні елементарного сигна- лу сейсмограми, яка є згорткою імпульсної характеристики середовища та елементар- ного сигналу, сформованого середовищем. У такий спосіб елементарний сигнал на- ближають за формою до функції Дірака, що візуально підвищує роздільну здатність сейсмічного запису [Innanen 2013; Rivera- Recillas еt al., 2005; Pawelec еt al., 2019]. Третя група задач — вивчення спектраль- ного складу сейсмічних хвиль, відбитих від нафто- або газонасичених горизонтів, для яких використовують можливість вейвле- Рис. 2. Вертикальний часовий зріз сейсмічного хвильового поля МСГТ 3D, отриманого на шахтному полі шахти «Краснолиманська»: а — профіль інлайн 80; б — часовий розріз логарифмічних декрементів згасання, обчислений за даними МСГТ 3D; в — видимі розломи. Пояснення див. у тексті. д. м. гринь 186 геофизический журнал № 6, т. 41, 2019 тів розділяти сейсмічні події у часі [Sinha еt al., 2005; Chen еt al., 2014b], що полег- шує вивчення поглинальних властивостей окремо відібраних геологічних горизонтів, які є колекторами вуглеводнів. Сейсмічні дані. У статті використано сейсмічні дані МСГТ 3D, що були отрима- ні ДГП «Укргеофізика» на шахтному полі шахти «Краснолиманська» (рис. 1). Шах- тне поле має тонкошарову геологічну будо- ву, ускладнену міжблоковими розломами, скидами та площинними зсувами блоків. Особливості геологічної будови та місцез- находження шахтного поля детальніше описано у публікаціях [Вергелська, Про- вотворова, 2009; Вергелська, 2012; Король, Скобенко, 2013, Волкова, Шарина, 2016; Гринь, 2019]. Приклад сейсмічного профілю верти- кального зрізу куба МСГТ 3D показано на рис. 2, а, обрахований профіль логарифміч- них декрементів згасання ― на рис. 2, б. Часові дані ЛДЗ дають змогу впевнено виділяти більшість розломів, генетично Рис. 4. Модель кривої поглинання, характеристи- ки якої різко змінюються з глибиною: а — модель- на крива; б — частотно-часовий спектр; в — зріз частотно-часового спектра, коефіцієнт a=7,5. Рис. 3. Модельні варіанти кривих з різним градієнтом приросту поглинання і вейвлетні поверх- ні (частотно-часовий спектр) від них: а — різка зміна властивостей середовища; б, в — поступова змі- на властивостей середовища. АвтомАтизовАний спосіб визнАчення неузгодженого зАлягАння... геофизический журнал № 6, т. 41, 2019 187 пов’язаних з Центральним насувом шахт- ного поля (червона штрихова лінія), та сформовану ним групу скидів, зокрема Федорівський та Грушевський (рис. 2, в). Виділені розломи позначено лініями різних кольорів. Червоні суцільні лінії — розло- ми над площиною Центрального насуву, що утворилися в геологічному середови- щі в результаті вертикального насувного руху. Сині лінії — розломи, сформовані під впливом сил розтягування і характерні для порід, що залягають нижче площини Центрального насуву. Зелені лінії — гру- па розломів, можливо, пов’язаних зі склад- ними глибинними тектонічними рухами. З урахуванням необхідності встанов- лення площинного, тобто тривимірного, поширення тектонічних порушень постає питання щодо створення методики для ав- томатизованої кореляції порушень у про- сторі. В числовому зображенні куб СГТ 3D шахтного поля «Краснолиманська» — це тривимірна матриця, яка складається з 27 436 000 чисел, які відображають фізичні властивості середовища. Такий обсяг ін- формації якісно можна обробити, засто- сувавши тільки автоматизований режим пошуку та просторової локалізації розлом- них зон, тобто метод, який би підкреслив локальні особливості нестаціонарних про- цесів, а саме різку появу високочастотної компоненти у функції поглинання на дуже малому інтервалі простору. Рис. 5. Приклад розкладання на вейвлет-складові фактичної кривої ЛДЗ, отриманої з 150 cross-line перехресних ліній за даними СГТ 3D. Рис. 6. Приклад пошуку розломних зон за допомогою вейвлет-аналізу. Показано частотно-часові вейвлет- спектри від крос-ланів: 50, 100, 150, 200, 250, 300 трас, які накладено на горизонтальний зріз куба ЛДЗ 3D. д. м. гринь 188 геофизический журнал № 6, т. 41, 2019 F b f t e t b dti t( , ) ( )ω ψω= −( )− −∞ ∞ ∫ , де ψ(t – b) — локальна віконна функція, що рухається уздовж часової осі для обчис- лення перетворення Фур’є у визначених точках b. Для зменшення ефектів Гіббса ви- користовували функції Гауса і Барлета. Роздільну здатність перетворення Фур’є, обернено пропорційну частотній розділь- ній здатності, визначають за шириною ві- конної функції. Для збільшення точності визначення положення стрибкоподібної частини функції необхідно зменшувати розміри вікна, що знижує частотну роз- дільність методу [Гринь, 2001б]. Унаслідок енергетичної слабкості високочастотної компоненти через зашумленість такими компонентами іншого походження про- цес пошуку місця розлому цим методом є малоефективним і не технологічним. Використання вейвлет-аналізу для ав- томатичного режиму пошуку розломів. Вейвлетний аналіз — це особливий тип лінійного перетворення сигналів і фізич- них даних. Базис власних функцій, за яким виконують вейвлетне розкладання сигна- лів, має багато специфічних властивостей і можливостей. Базисні функції, які нази- вають вейвлетами, дають змогу зосередити увагу на локальних особливостях функції поглинання, що не можуть бути виявлені традиційними перетвореннями Фур’є і Ла- пласа [Астафьева, 1996]: ψ ψa b t a t b a, ( ) = −      1 . Тут змінна b відповідає за зміщення вей- влету за часом, змінна a — за вибір зна- чення частоти (масштабу). Малі значення a відповідають високим частотам, великі — низьким. Множник 1 a забезпечує не- залежність норми цих функцій від масшта- бувального числа a [Приоров, 2011]. Вейвлети мають вигляд коротких хви- льових пакетів з нульовим середнім зна- ченням, локалізованих за віссю аргумен- ту (незалежних змінних), інваріантних до Рис. 7. Результат автоматизованого пошуку розлом- них зон частини горизонтального зрізу площею у 4,5 км2. Чорними лініями виділено зони з максималь- но високим градієнтом зміни поглинаючих власти- востей, що відображають глибинні розломи. Використання спектрального аналізу Фур’є-перетворення для пошуку розло- мів за даними ЛДЗ. Після експериментів з перетворенням Фур’є зроблено висновок щодо його непридатності для визначення локальних особливостей часових функції ЛДЗ (пов’язаних з аномаліями від розлом- них зон), оскільки спектральні коефіці- єнти прямого перетворення Фур’є обчис- люють інтегруванням за вибраним інтер- валом сейсмічного запису, що призводить до «розмивання» шуканих особливостей. Наступний недолік — для відтворення різ- ких перепадів амплітуд у даних ЛДЗ (як у нашому дослідженні) потрібна безмежна кількість членів ряду. Обмеження кількос- ті членів ряду викликає появу ефекту Гіб- бса в межах різких стрибків функції, тобто осциляції, яка є додатковою завадою: ( ) ( ) i tF f t e dt ∞ − ω −∞ ω = ∫ . Також було випробувано відомий метод віконного перетворення Фур’є, за яким спектральну характеристику обчислю- ють у рухомому обмеженому часовому вікні [Иванов, 2004]. У такий спосіб від- бувається умовний перехід до частотно- координатного зображення сигналів: АвтомАтизовАний спосіб визнАчення неузгодженого зАлягАння... геофизический журнал № 6, т. 41, 2019 189 зсуву і лінійних до операції масштабуван- ня (стискання або розтягнення). За локалі- зацією у часовій і частотній областях вей- влети займають проміжне положення між гармонічними функціями, локалізованими за частотою, і функцією Дірака, локалізо- ваної за часом. Неперервне пряме вейвлет-пе ре тво рен- ня має вигляд скалярного добутку часової функції f (t) і базисних функцій: W a b a t b a f t dtf , ( )( ) = −      −∞ ∞ ∫ 1 ψ . Основна сфера застосування вейвлет- них перетворень — аналіз і обробка сигна- лів та функцій, нестаціонарних у часі або неоднорідних у просторі, коли результати аналізу мають складатися не тільки з час- тотної характеристики функції (розподілу енергії сигналу за частотними складови- ми), а й з інформацї про локальні коор- динати, на яких проявляються ті чи інші групи частотних складових або на яких швидко змінюються частотні складові сиг- налу. Порівняно з розкладанням сигналів на ряди Фур’є вейвлети здатні з набагато вищою точністю визначати локальні осо- бливості сигналів, навіть розривів 1-го роду (стрибка) [Левкович-Маслюк, 1999; Новиков, 1999]. На відміну від перетво- рення Фур’є вейвлет-перетворення одно- вимірних сигналів забезпечує двовимірну розгортку, причому частоту і координату розглядають як незалежні змінні, що дає змогу аналізувати часові функції відразу у двох просторах. Вейвлети функцій, ускладнених не- стаціонарними (стрибкоподібними) про- цесами. У функції поглинання нестаці- онарний процес виникає за різкої зміни поглинальних властивостей середовища на малій відстані. Така особливість поведінки поглинання виникає внаслідок контакту двох блоків, діаметрально протилежних за фізичними властивостями. Чим більша різ- ниця у поглинанні, тим значніша амплітуда коливання функції. Така чітка відмінність у поглинальних властивостях добре прояв- ляється у часовому полі ЛДЗ, практично по всьому периметру існування Глибокояр- ського і Федорівського скидів (див. рис. 1). Для того щоб визначити можливість виділяти нестаціонарний процес за допо- могою вейвлет-аналізу, змодельовано тео- ретичні криві поглинання від двох блоків (червоні лінії), що розміщені поруч і мають різне поглинання енергії сейсмічних хвиль (рис. 3). Під кожною з моделей розташова- но її частотно-часовий спектр, обчислений за вейвлет-перетворенням (див. рис. 3). Незважаючи на крайові ефекти, що ви- никають на першій і останній трасах, бачи- мо, що в околі стрибка функції на вейвлет- спектрі наявні високочастотні складові, що відповідають малим значенням an n( ) =0 10 . Таким чином, наявність нестаціонарного процесу відображається червоно-жовтими кольорами частотно-часового спектра в області малих значень a. За малих граді- єнтів зміни поглинальних властивостей сере довища високочастотна складова по- вністю відсутня (синьо-блакитні кольори) і фіксується лише низькочастотна складова функції поглинання, починаючи з an n( ) =10 50 . На рис. 4 зображено функцію з різкою зміною значень, як це відбувається на межі трьох різних блоків. З огляду на ампліту- ди частотно-часового спектра доходимо висновку, що збільшення різниці у вели- чинах функції приводить до збільшення амплітуд спектрів, тобто проявляються не лише кількісні, а й якісні можливості вейвлет-перетворень. На рис. 5 показано результат вейвлет- аналізу кривої ЛДЗ горизонтального зрізу куба 3D. Максимальні значення спектрів (червоний колір на частотно-часовому спектрі) розміщуються в діапазоні макси- мальної зміни величини функції ЛДЗ. По- близу траси 350 розташована ділянка з ма- лою енергією високочастотних компонент. Це означає, що властивості на цій ділянці змінюються поступово. Така поведінка ха- рактерна для полого нахилених горизонтів, де горизонтальний зріз розрізає відносно однорідне середовище. Відсутність висо- кочастотних компонент засвідчує цілко- виту однорідність середовища на значній ділянці сейсмічного розрізу. Ці ділянки д. м. гринь 190 геофизический журнал № 6, т. 41, 2019 можна вважати монолітними структурами. Аналіз поєднання горизонтального зрі- зу на Краснолиманській площі (рис. 6) і частотно-часових вейвлет-спектрів по- казав, що положення максимальних за енергією спектральних високочастотних компонент повністю збігається з глибинни- ми розломами, сформованими Глибокояр- ським, Федорівським, та іншими скидами (див. рис. 1). Ці точки збігу можуть бути використані як реперні точки переходу від однієї геологічної структури до іншої. На першому етапі пошуку розломів необхідно видалити стаціонарні та неста- ціонарні хвилі завади, які завжди присутні у сейсмічному хвильовому полі. Зазвичай вони є залишками поверхневих хвиль, або артифактами від міграції. Бажано викорис- товувати методи видалення хвиль звад, які не мають нелінійних процедур і не вносять зміни в амплітудно-частотну характерис- тику хвильового процесу [Гринь, Гринь, 2003]. На другому етапі обчислюємо обернену задачу сейсміки і знаходимо логарифмічні декременти згасання. У результаті цього переходимо від хвильового поля до струк- турованого за поглинаючими властивостя- ми геологічної будови середовища, де ви- діляються окремі блоки, розломи, зсуви. На третьому етапі розкладаємо криві ЛДЗ на просторово-частотні складові. Згідно з рис. 5, малі значення масштабуючого чис- ла a відповідають високочастотним скла- довим вейвлет-функції і асоціюються з сильноамплітудними розломами. Пошук, просторова та глибинна прив’язка таких реперних точок у автоматичному режимі є основним завданням обробки даних на цьому етапі. На рис. 6 для прикладу приведено ре- зультати обробки профілів крос-лайн до- вжиною 1,5 км (Y ― координата). Найпо- мітнішими є розломи, які перетинають профілі під прямим кутом. Тому бажано використовувати також профілі онлайн, у нашому випадку довжиною 3,5 км (Х ― ко- ордината). Результати виділення розломів у часовому полі ЛДЗ за двома напрямками показані на рис. 7. За необхідності деталь- ного вивчення певної геологічної ділянки можна формувати з тривимірної матриці сейсмічних даних спеціальні профілі, пер- пендикулярні до обраних розломів. Куб сейсмічних даних МСГТ 3D (по осі Z) складається з 500 горизонтальних часо- вих зрізів. Визначаючи положення роз- ломів на кожному з них, формуємо прос- торову картину розташування можли вих розломних зон. Їхня присутність на біль- шій глибині (більшому часі) дає змогу по- будувати з реперних точок площину роз- лому, яка простягається у глибину на сотні метрів. Висновки. В результаті обробки куба 3D за методом логарифмічних декрементів згасання з метою виявлення геологічних розломів і тріщинуватих зон різного гене- зису отримано таке. 1. Запропоновано автоматизований метод пошуку нестаціонарних процесів у функціях логарифмічних декрементів зга- сання, які пов’язані з розломними зонами. Доведено, що вейвлетні перетворення під час використання їх для обробки функцій поглинання мають всі переваги щодо пере- творення Фур’є. 2. Вейвлетні базиси можуть бути добре локалізованими як за частотою, так і за часом. Це дає змогу виділяти лише цільові нестаціонарні процеси з метою вивчення обраних об’єктів дослідження. 3. Вейвлетні базиси, на відміну від пе- ретворення Фур’є, мають багато різнома- нітних базових функцій, властивості яких орієнтовані на розв’язання різних задач. 4. Виділення за допомогою вейвлетних перетворень нестаціонарного процесу (у статті — різка зміна поглинальних власти- востей середовища) має достатню точність. 5. Наявність високочастотних компо- нент у частотно-часовому спектрі вказує на швидку зміну поглинальних властивос- тей, відсутність високочастотної складової — на поступовість зміни поглинальних властивостей, що характерно для нахиле- них горизонтально-шаруватих середовищ. Такі особливості частотно-часового спект ра дають змогу використовувати вей влет-аналіз для автоматичного пошуку АвтомАтизовАний спосіб визнАчення неузгодженого зАлягАння... геофизический журнал № 6, т. 41, 2019 191 Список літератури Астафьева Н. М. Вейвлет-анализ: основы те- ории и примеры и примеры применения. успехи физических наук. 1996. Т. 166. № 11. C. 1145―1170. doi.org/10.3367.UFNr.0166. 199611a.1145. Вергельська Н. В., Провотворова О. В. Особли- вості геологічної будови окремих вугільних пластів Красноармійського вуглепромисло- вого району (на прикладі шахти Красноли- манська). тектоніка і стратиграфія. 2009. Вип. 36. С. 54—59. Вергельська Н. В. Особливості будови пласта l3 Красноармійського вуглепромислового району Донецького басейну. збірник науко вих праць інституту геологічних наук нАн україни. 2012. Вып. 5. C. 206—208. Волкова Т. П., Шарина О. С. Закономернос- ти распределения природной газоноснос- ти на шахтах Красноармейского угле про- мышленного района. вісті донецького гір ничого інституту. 2016. № 2(39). С. 3—9. Гринь Д. М. Базисні функції, спектральна ко- рекція та обвідні сейсмічних трас. геофиз. журн. 2001а. T. 23. № 3. С. 95—105. Гринь Д. М. Логарифмічні декременти та інші функції згасання сейсмічних хвиль. геофиз. журн. 2001б. T. 23. № 4. C. 91—102. Гринь Д. М. Методика визначення просто- рового поширення малоамплітудних роз- ломів і тріщин у тонкошаруватому вугле- вмісному геологічному середовищі. гео физ. журн. 2019. Т. 41. № 5. C. 234—249. https:// doi.org/10.24028/gzh.0203-3100.v41i5.2019. 183644. Гринь Д. М., Гринь М. Є. Різницеві оператори для виділення цільових хвиль. геофиз. журн. 2003. Т. 25. № 4. С. 84—97. Иванов М. А. Применение вейвлет-пре об ра зо- ваний в кодировании изображений. новые информационные технологии в науке и об разовании. 2004. № 24. С. 157―175. Король В. И., Скобенко А. В. Акустический способ прогноза газодинамических явлений в угольных шахтах. Днепропетровск: Изд. НГУ, 2013. 181 с. Левкович-Маслюк Л., Переберин А. Введение в вейвлет-анализ: Учебный курс. Москва: ГрафиКон’99, 1999. 120 с. Новиков Л. В. Основы вейвлет-анализа сиг- налов: Учебное пособие. Санкт-Петербург: Изд. ИАП РАН, 1999. 152 с. Приоров А. Л., Волохов В. А., Апальков И. В. Обработка сигналов на основе вейвлет- преобразования: Методические указания. Ярославль: Изд. Ярослав. гос. ун-та, 2011. 44 с. Bentaleb, Y., El Hajji, S., & Orhanou, G. (2010). A Wavelets Algorithm for the Seismic Waves Alignment. Contemporary Engineering Sci ences, 3(4), 157―166. Chakraborty, A., & Okaya, D. (1995). Frequen- cy-time decomposition of seismic data using wavelet-based methods. Geophysics, 60(6), 1906―1916. https://doi.org/10.1190/1.1443922. Chen, Y., Fomel, S., & Hu, J. (2014a). Iterative de- blending of simultaneous-source seismic data using seislet-domain shaping regularization. Geophysics, 79(5), V179―V189. https://doi. org/10.1190/geo2013-0449.1. Chen, Y., Liu, T., Chen, X., Li, J., & Wang, E. (2014б). Time-frequency analysis of seismic data using synchrosqueezing wavelet trans- form. Journal of Seismic Exploration, 23(4), 303―312. Chui, C. K. (1992).Wavelets: A Tutorial in Theory and Applications (Wavelet Analysis and Its Ap plications). Academic Press; Later Printing edi- tion, Texas A&M University, College Station, Texas, 723 p. Fajardo, C., Reyes, O. M., & Ramirez, A. (2015). Seismic Data Compression Using 2D Lifting- Wavelet Algorithms. Ingeniería y Ciencia, у тривимірному масиві сейсмічних хвиль зон порушень у геологічних пластах і для побудови тривимірних матриць з інфор- мацією про локалізацію лише розломів і тріщин або для пошуку монолітних блоків без прояву нестаціонарних процесів. д. м. гринь 192 геофизический журнал № 6, т. 41, 2019 Automated method for determination of geological horizons nonconformity according to three-dimensional seismic data D. M. Gryn’, 2019 In complicated geological media mapping of faults according to wave seismic field often becomes difficult. In algorithm of preliminary processing of seismic data spatial summa- tion of traces is present that leads to «corrosion» of exact location of the fault. Automated method is proposed for identification of faults in three-dimensional body of seismic data of logarithmic decrements of fading (LDF) obtained solving of inverse problem of seismic. Resolvability of LDF data is comparable with resolving ability of initial seismic records. As a result, the analysis is conducted not only taking into account reflecting features of the medium but also with its absorbing properties. Abrupt change of absorption in minor spatial interval is a good identifying attribute of the presence of non-conformable lean-vertical occurrence of geological horizons. Deep and spatial distribution of identified fault structures is an additional argument supporting their existence. We used as an example the materials of detailed seismic mapping of МОГТ 3D conduct- ed by «Ukrgeophysisc» in thin-layer mining field of «Krasnolimanskaya» mine. Geological section of this area is specific by its complexity because of the presence of thrust-shear geological structures related to tension and subsequent compression of these territories that lead to appearance of large amount of deep faults and local fissures. 11(21), 221―238. http://dx.doi.org/10.17230/ ingciencia.11.21.12. Foufoula-Georgiou, E., & Kumar, P. (Eds.). (1994). Wavelets in Geophysics. Academic Press, Inc. San Diego, California, USA. Innanen, K. (2013). Seismic processing with con- tinuous wavelet transform maxima. CREWES Research Report, 25. Liu, Y., & Fomel, S. (2013). Seismic data analysis using local time-frequency decomposition. Geophysical Prospecting, 61(3), 516―525. ht- tps://doi.org/10.1111/j.1365-2478.2012.01062.x. Morlet, J., Arens, G., Fourgeau, E., & Glard, D. (1982a). Wave propagation and sampling theory ― part 1: Complex signal and scatter- ing in multilayered media. Geophysics, 47(2), 203―221. https://doi.org/10.1190/1.1441328. Morlet, J., Arens, G., Fourgeau, E., & Glard, D. (1982b). Wave propogation and sampling the- ory ― part 2: Sampling theory and complex waves. Geophysics, 47(2), 222―236, https://doi. org/10.1190/1.1441329. Pawelec, I., Sava, P., & Wakin, M. (2019). Wave- field reconstruction using wavelet trans- form. SEG Technical Program Expanded Ab stracts, 147―151. https://doi.org/10.1190/se- gam2019-3216535.1. Rivera-Recillas, D. E., Lozada-Zumaeta, M. M., Ronquillo-Jarillo, G. & Campos-Enríquez, J.O. (2005). Multiresolution analysis applied to in- terpretation of seismic reflection data. Geofísi ca Internaсional, 44(4), 355―368. Roueff, A., Chanussot, J., Mars, J. I., & Nguy- en, M.-Q. (2004). Unsupervised separation of seismic waves using the watershed algo- rithm on time-scale image. Geophysical Pros pecting, 52(4), 287―300. doi: 10.1111/j.1365- 2478.2004.00416.x. Shuchong, L., & Xun, C. (2014). Seismic signals wavelet packet de-noising method based on improved threshold function and adaptive threshold. Computer Modeling and New Tech nologies, 18(11) 1291―1296. Sinha, S., Routh, P. S., Anno, P. D., & Castag- na, J. P. (2005). Spectral decomposition of seismic data with continuous-wavelet trans- form. Geophysics, 70(6), P19―P25. https://doi. org/10.1190/1.2127113. АвтомАтизовАний спосіб визнАчення неузгодженого зАлягАння... геофизический журнал № 6, т. 41, 2019 193 Astafyeva, N. M. (1996). Wavelet Analysis: Basic Theory and Some Application. Uspekhi fizi ches kikh nauk, 166(11), 1145―1170. doi.org/10. 3367.UFNr.0166.199611a.1145 (in Rusian). Vehelyanska, N. V., & Provotvorova, O. V. (2009). Features of the geological structure of indi- vidual coal seams of the Krasnoarmeysk coal- mining district (as an example of the Krasno- limansk mine). Tektonika i stratyhrafiya, (36), 54—59 (in Ukrainian). Verhelska, N. V. (2012). Features of the structure of the l3 formation of the Krasnoarmeysk coal- mining district of the Donetsk basin. Zbirnyk naukovykh prats Instytutu heolohichnykh nauk NAN Ukrayiny, (5), 206—2 08 (in Ukrainian). Volkova, T. P., & Sharina, O. S. (2016). Patterns of distribution of natural gas content in the mines of the Krasnoarmeysky coal-industrial region. Visti Donetskoho hirnychoho instytutu, (2), 3—9 (in Russian). Gryn, D. M. (2001a). Basis functions, spectral cor- rection and bypass seismic lines. Geofiziches kiy zhurnal, 23(3), 95—105 (in Ukrainian). Gryn, D. M. (2001b). Logarithmic decrement and other features attenuation of seismic waves. Geofizicheskiy zhurnal, 23(4), 91—102 (in Uk- rai nian). Gryn, D. M. (2019). Methods for determination of spatial distribution of minor-amplitude faults and fissures in thin-layer coal-bearing geo- logical medium. Geofizicheskiy zhurnal, 41(5), 190—205 (in Ukrainian). Gryn, D. M., & Gryn, M. E. (2003). Difference operators for extracting target waves. Geo fi zicheskiy zhurnal, 25(4), 84—97 (in Ukrainian). References Ivanov, M. A. (2004). Application of wavelet trans- forms in image coding. Novyye informatsion nyye tekhnologii v nauke i obrazovanii, (24), 157―175 (in Russian). Korol, V. I., & Skobenko, A. V. (2013). Acoustic method for forecasting gasdynamic phenom ena in coal mines. Dnepropetrovsk: National Mining University Edition, 181 p. (in Russian). Levkovich-Maslyuk, L., & Pereberin, A. (1999). In troduction to wavelet analysis: Training course. Moscow: Graficon’99, 120 p. (in Russian). Novikov, L. V. (1999). Fundamentals of wavelet analysis of signals: a manual. St. Petersburg: Edition Institute of Analytical Instrumentation RAS, 152 p. (in Russian). Priorov, A. L., Volokhov, V. A., & Apalkov, I. V. (2011). Signal processing based on wavelet transform: Methodological instructions. Yaros- lavl: Edition of Yaroslavl State University, 44 p. (in Russian). Bentaleb, Y., El Hajji, S., & Orhanou, G. (2010). A Wavelets Algorithm for the Seismic Waves Alignment. Contemporary Engineering Sci ences, 3(4), 157―166. Chakraborty, A., & Okaya, D. (1995). Frequen- cy-time decomposition of seismic data using wavelet-based methods. Geophysics, 60(6), 1906―1916. https://doi.org/10.1190/1.1443922. Chen, Y., Fomel, S., & Hu, J. (2014a). Iterative de- blending of simultaneous-source seismic data using seislet-domain shaping regularization. Geophysics, 79(5), V179―V189. https://doi. org/10.1190/geo2013-0449.1. Chen, Y., Liu, T., Chen, X., Li, J., & Wang, E. In consolidated geological medium gradient of change of logarithmic gradient of fading will become minor and function of absorption mainly consists of low-speed harmonics. The presence of shear faults leads whereas to abrupt change of absorbing properties of the medium and to appearance of local high-speed oscillations. It is possible to find out the presence of such low-amplitude non-stationary processes in harmonic functions us- ing wavelet analysis. Therefore the paper presents a method that makes possible to find out fault-related decompaction zones in three-dimensional data 3D CDP of the mine field «Krasnolimanskaya 5,25 km2 consisting of almost 27,5 million values reflecting different physical properties of the medium. Key words: seismic, fault, fissure, thrust-fault, wavelet analysis, logarithmic decrement of absorption. д. м. гринь 194 геофизический журнал № 6, т. 41, 2019 (2014б). Time-frequency analysis of seismic data using synchrosqueezing wavelet trans- form. Journal of Seismic Exploration, 23(4), 303―312. Chui, C. K. (1992).Wavelets: A Tutorial in Theory and Applications (Wavelet Analysis and Its Ap plications). Academic Press; Later Printing edi- tion, Texas A&M University, College Station, Texas, 723 p. Fajardo, C., Reyes, O. M., & Ramirez, A. (2015). Seismic Data Compression Using 2D Lifting- Wavelet Algorithms. Ingeniería y Ciencia, 11(21), 221―238. http://dx.doi.org/10.17230/ ingciencia.11.21.12. Foufoula-Georgiou, E., & Kumar, P. (Eds.). (1994). Wavelets in Geophysics. Academic Press, Inc. San Diego, California, USA. Innanen, K. (2013). Seismic processing with con- tinuous wavelet transform maxima. CREWES Research Report, 25. Liu, Y., & Fomel, S. (2013). Seismic data analysis using local time-frequency decomposition. Geophysical Prospecting, 61(3), 516―525. ht- tps://doi.org/10.1111/j.1365-2478.2012.01062.x. Morlet, J., Arens, G., Fourgeau, E., & Glard, D. (1982a). Wave propagation and sampling theory ― part 1: Complex signal and scatter- ing in multilayered media. Geophysics, 47(2), 203―221. https://doi.org/10.1190/1.1441328. Morlet, J., Arens, G., Fourgeau, E., & Glard, D. (1982b). Wave propogation and sampling the- ory ― part 2: Sampling theory and complex waves. Geophysics, 47(2), 222―236, https://doi. org/10.1190/1.1441329. Pawelec, I., Sava, P., & Wakin, M. (2019). Wave- field reconstruction using wavelet trans- form. SEG Technical Program Expanded Ab stracts, 147―151. https://doi.org/10.1190/se- gam2019-3216535.1. Rivera-Recillas, D. E., Lozada-Zumaeta, M. M., Ronquillo-Jarillo, G. & Campos-Enríquez, J. O. (2005). Multiresolution analysis applied to interprenation of seismic reflection data. Geofísica Internacional, 44(4), 355―368. Roueff, A., Chanussot, J., Mars, J. I., & Nguy- en, M.-Q. (2004). Unsupervised separation of seismic waves using the watershed algo- rithm on time-scale image. Geophysical Pros pecting, 52(4), 287―300. doi: 10.1111/j.1365- 2478.2004.00416.x. Shuchong, L., & Xun, C. (2014). Seismic signals wavelet packet de-noising method based on improved threshold function and adaptive threshold. Computer Modeling and New Tech nologies, 18(11) 1291―1296. Sinha, S., Routh, P. S., Anno, P. D., & Castag- na, J. P. (2005). Spectral decomposition of seismic data with continuous-wavelet trans- form. Geophysics, 70(6), P19―P25. https://doi. org/10.1190/1.2127113.
id	nasplib_isofts_kiev_ua-123456789-167650
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	0203-3100
language	Ukrainian
last_indexed	2025-12-07T17:49:31Z
publishDate	2019
publisher	Інститут геофізики ім. С.I. Субботіна НАН України
record_format	dspace
spelling	Гринь, Д.М. 2020-04-03T10:10:33Z 2020-04-03T10:10:33Z 2019 Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними / Д.М. Гринь // Геофизический журнал. — 2019. — Т. 41, № 6. — С. 183-194. — Бібліогр.: 29 назв. — укр. 0203-3100 DOI: https://doi.org/10.24028/gzh.0203-3100.v41i6.2019.190075 https://nasplib.isofts.kiev.ua/handle/123456789/167650 550.834; 550.34.06 У складних геологічних середовищах картування розломів за хвильовим сейсмічного полю часто буває скрутним. В алгоритмі попередньої обробки сейсмічних даних присутній просторове підсумовування трас, що призводить до «розмивання» точного місця знаходження розлому. Пропонується автоматизований спосіб виділення розломів в тривимірному масиві сейсмічних даних логарифмічних декрементов загасання (ЛДЗ), які отримані при вирішенні оберненої задачі сейсміки. В сложных геологических средах картирование разломов по волновому сейсмическому полю часто бывает затруднительным. В алгоритме предварительной обработки сейсмических данных присутствует пространственное суммирование трас, что приводит к «размыванию» точного места нахождения разлома. Предлагается автоматизированный способ выделения разломов в трехмерном массиве сейсмических данных логарифмических декрементов затухания (ЛДЗ), которые получены при решении обратной задачи сейсмики. In complicated geological media mapping of faults according to wave seismic field often becomes difficult. In algorithm of preliminary processing of seismic data spatial summation of traces is present that leads to «corrosion» of exact location of the fault. Automated method is proposed for identification of faults in three-dimensional body of seismic data of logarithmic decrements of fading (LDF) obtained solving of inverse problem of seismic. Resolvability of LDF data is comparable with resolving ability of initial seismic records. uk Інститут геофізики ім. С.I. Субботіна НАН України Геофизический журнал Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними Автоматизированный способ определения несогласованного залегания геологических горизонтов по трехмерным сейсмическим данным Automated method for determination of geological horizons nonconformity according to three-dimensional seismic data Article published earlier
spellingShingle	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними Гринь, Д.М.
title	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними
title_alt	Автоматизированный способ определения несогласованного залегания геологических горизонтов по трехмерным сейсмическим данным Automated method for determination of geological horizons nonconformity according to three-dimensional seismic data
title_full	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними
title_fullStr	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними
title_full_unstemmed	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними
title_short	Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними
title_sort	автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними
url	https://nasplib.isofts.kiev.ua/handle/123456789/167650
work_keys_str_mv	AT grinʹdm avtomatizovaniisposíbviznačennâneuzgodženogozalâgannâgeologíčnihgorizontívzatrivimírnimiseismíčnimidanimi AT grinʹdm avtomatizirovannyisposobopredeleniânesoglasovannogozaleganiâgeologičeskihgorizontovpotrehmernymseismičeskimdannym AT grinʹdm automatedmethodfordeterminationofgeologicalhorizonsnonconformityaccordingtothreedimensionalseismicdata

Автоматизований спосіб визначення неузгодженого залягання геологічних горизонтів за тривимірними сейсмічними даними

Institution

Similar Items