微地震地面监测系统的优化设计

2017-11-01余洋洋梁春涛巫芙蓉

石油地球物理勘探 2017年5期

关键词：检波器星状震源

余洋洋梁春涛* 康亮尹陈巫芙蓉

(①成都理工大学地球勘探与信息技术教育部重点实验室，四川成都 610059；②中国石油川庆钻探工程公司地球物理勘探公司，四川成都 610213)

·微地震·

微地震地面监测系统的优化设计

余洋洋①梁春涛*①康亮②尹陈②巫芙蓉②

(①成都理工大学地球勘探与信息技术教育部重点实验室，四川成都 610059；②中国石油川庆钻探工程公司地球物理勘探公司，四川成都 610213)

余洋洋，梁春涛，康亮，尹陈，巫芙蓉.微地震地面监测系统的优化设计.石油地球物理勘探，2017,52(5):974-983.

在水力压裂微地震定位中，监测系统的选取直接决定了定位的效果，并最终影响对压裂效果的评估。采用震源扫描算法对合成的地震信号进行定位以评估不同监测系统的定位效果。通过测试不同的检波器布设模式、布设范围以及布设间距对不同深度的微震事件的定位效果，得到了地面监测系统优化设计的一些基本原则：检波器数目基本相同时，星状系统优于网状系统；在一定范围内，适当增大检波器布设范围，增加接收线数，增大检波器间距，可以在节约成本的基础上得到较好的定位效果；监测系统布设范围的半径，应该与震源的深度相当，或略大于震源深度；若已知震源分布的大致范围，监测系统的检波器应该侧重于该范围布设等。

微地震定位震源扫描算法地面监测系统

1 引言

微地震监测是目前储层压裂中最精确、最及时、信息最丰富的监测手段之一[1]，而监测系统的空间布置是影响定位效果及监测效果的关键性因素。根据微地震监测检波器的布设方式，微地震监测可以分为井中监测和地面监测[2]。与井中监测相比，地面监测虽然有信号衰减严重、信噪比低的缺点，但其具有简单、经济、适应性强和数据量大的优势，得到了越来越广泛的应用[3-5]。在“十三·五”低油价新常态下，物探业务更是面临降本增效的新要求及发展效益科技的新挑战[6]。因此，通过对地面监测系统的优化设计，在经济、高效的基础上提高定位的精度，对低渗油气资源的开采具有非常重要的意义。

自1978年Hardy等[7]成功运用声发射技术进行地下水压裂裂缝定位之后，微地震监测技术也获得了长足发展。王维波等[8]对网格状、环状和星状等站点分布方式进行了讨论，得出了站点数目相同时定位效果与分布结构无关的结论；李雪等[9]对地面监测和井中监测以及阵列式监测技术做了简要说明；宋维琪等[10,11]对微地震定位方法和波形反演进行了讨论； Gajewski1等[12]分析了不同速度模型对定位效果的影响；王晨龙等[13]讨论了介质扰动和不同检波器分量对定位效果的影响。

本文从检波器的布设方式、布设范围以及布设间距等方面讨论地面监测系统对定位效果(定位精度及能定位事件数量)的影响，总结监测系统的设计原则，以期在保证定位精度的同时经济、高效地实现对压裂的监测。

2 理论方法

微地震定位方法一般可分为：S波和P波旅行时差法、震源空间扫描法、相对旅行时法、逆时偏移成像法等[14]。S波和P波旅行时差法一般用于S波和P波初至都比较清晰的情况，比如天然微地震监测和井中微地震监测[15]；震源空间扫描法一般用于地震信号非常微弱的情况，比如俯冲板块的地幔地震定位以及压裂监测中的地面微地震监测定位[16]；而相对定位法[17,18]是利用两个事件的相对旅行时，在其中一个事件位置已知的情况下，对另一事件进行定位，该方法常作为一种辅助方法；逆时偏移成像法[19]正在发展中，且计算量较大。

针对地面微地震监测数据信噪比低、事件拾取困难以及数据量大的特点，本文采用震源扫描算法(Source -Scanning Algorithm， SSA)[20]进行震源定位。

该方法不需要对事件的初至进行拾取，仅利用相对振幅和旅行时等波形数据，便可监测给定的时空范围内是否有事件发生，更适用于大量监测台站的大型地面微地震监测系统，其原理如图1所示。

图1 地面监测系统和震源空间示意图

将射孔附近区域分割成若干网格点，假定该空间内的每一个网格点均为一个虚拟震源，网格点η在τ时刻发震，由N个台站记录。在速度模型已知的情况下，通过射线追踪计算虚拟震源到台站的旅行时，按照式(1)对波形资料做动校正然后叠加平均。

(1)

式中：un为观测地震记录；N为台站总数；τ为虚拟震源点η的发震时刻；tη n为从点η到台站n的旅行时。该过程的实质是以P波为标准进行动校正，将波形资料从观测时空域转换到震源时空域(图2)。经过处理后P波的叠加能量会增强，S波和其他转换波的叠加能量会减弱，可以通过P波进行事件的识别。即使波场较为复杂，只要信噪比相对较高，也能得到较好的定位结果(图2)。

图2a纵坐标为观测时间，每一道对应一个台站的记录；图2b纵坐标为发震时间，每一道对应一个虚拟震源的叠加平均记录。在图2b的3.5s附近有一个较弱的事件，而在图2a的4s附近并未见其对应的波形，证明了震源扫描算法拾取低信噪比事件的能力。

然后，在震源时空域中，计算每个采样点的“亮度”函数

R=STA/LTA

(2)

式中：R体现信号相对于背景噪声的均方根振幅之比，称为“亮度”；STA为短时窗平均值，反映微地震信号的均方根振幅；LTA为长时窗平均值，反映背景噪声的均方根振幅。一定时间内，空间中“亮度”函数最大的采样点所在的虚拟震源点，被视为该时间段内震源最可能发生的位置[21]。本文均选取R≥3.0作为识别微地震事件的标准。

图2 观测时空域道集(a)与震源时空域道集(b)的对比

3 数据合成

震源扫描方法定位效果与速度模型、波场特征、振幅、相位等问题密切相关，而本文的研究重点是监测系统的优化设计原则。因此，为了减弱速度模型与震源因素对定位结果的影响，采用地表无起伏均匀各向同性介质(图3a)和水平均匀层状介质(图3b)速度模型对位于(0,0,3000m)处的ISO型震源[22]进行正演模拟和微地震定位分析，其中均匀介质模型速度为水平层状介质模型的等效速度(4500m/s)。模型离散化为400×400×300的网格，间隔为15m。用任意曲线坐标有限差分算法及其配套程序[23]模拟微地震事件，主频为30Hz，图3c和图3d分别为均匀模型和层状模型对应的波场快照。采用图4a的星状监测系统，分别使用均匀模型和层状模型合成地震记录，添加随机噪声，形成信噪比SNR从0.02到1.0变化的合成数据(0.02到0.1间隔为0.02，0.1到1.0间隔为0.05)，其中SNR定义为地震记录最大振幅所在道的信号时窗内的均方根振幅与随机噪声的均方根振幅之比。图3e和图3f分别为不同SNR合成数据定位结果的水平误差(dh)和垂向误差(dz)，当SNR<0.15时没有对应的误差值，说明当SNR<0.15时得不到定位结果。尽管两种介质模型的波场有明显差异，采用等效速度进行定位后，两者的定位效果差异并不大。当SNR较高时，两种介质模型的定位误差完全一样；当SNR较小时，层状介质的定位误差有所增大。测试表明，对水平均匀层状介质,用等效速度代替介质速度进行定位有一定的合理性。

图3 速度模型、正演波场及不同信噪比(SNR)数据定位效果

(a)均匀各向同性介质模型；(b)水平均匀层状介质模型；(c)均匀模型正演波场快照(t=1．0s，y=0．0)； (d)水平层状模型正演波场快照(t=1．0s，y=0．0)；(e)水平定位误差；(f)垂向定位误差

4 合成数据定位分析

页岩气等非常规资源的埋藏深度范围一般为2000～3000m[24]。因此，测试震源为分别位于2000、2500和3000m深度的ISO型震源。进行扫描定位时，假定虚拟震源分布在以理论震源坐标为中心100m范围内、间距为5m的网格上。

基于简单的均匀各向同性介质，定位时以P波速度为标准进行动校正处理。从地面监测系统的布设方式，布设范围以及布设间距等方面讨论监测系统对定位效果的影响。

4.1 布设方式分析

地面检波器的分布方式主要可以分为星状和网格状，采用1000个检波器如图5的四种布设方式，对深度为2000、2500和3000m的震源进行定位。

图4a为一典型的星状地面监测系统示意图，3000m长的10条接收线均匀分布，接收点距为30m；图4b为网格状监测系统Ⅰ，10条接收线均匀分布，接收线距为750m、点距为30m；图4c为网格状监测系统 Ⅱ，10条接收线均匀分布，接收线距为1500m、点距为60m；图4d为网格状监测系统Ⅲ，接收线距和点距均为60m。图5为四种监测系统对不同深度微地震事件的定位误差对比，若在图中相应SNR处没有点，即表示定位程序没有识别到该事件。

图4 四种微地震地面监测系统

对于4种监测系统，随着震源深度的加深，能识别事件的最小SNR均逐步增加，因而得到的事件数目逐步减少。星状监测系统能识别出的事件数目最多，而网格状监测系统Ⅱ识别出的事件数目最少。根据地震能量和数量的分布规律，事件能量越小，其数量则会成指数增加。因而，综合所有深度，从能够定位的最小事件可以看出，星状监测系统要优于其他三种系统。

对于网格状监测系统Ⅲ，小震源距的检波器分布密集，因而水平误差较小，而大震源距检波器较少，因而垂向误差较大。星状监测系统的整体误差最小，而其他监测系统的误差则要大得多，尤其是垂向误差。各监测系统中绝大多数事件的横向误差小于垂向误差，尤其是SNR较大的事件，因此以下重点讨论垂向误差。

综上所述，在检波器总数目相同的情况下，相较于网格状布设方式，星状布设方式的定位效果最好。

4.2 布设范围分析

通常检波器布设的范围越大，得到的信息越丰富，但经济成本也越高。在实际施工中，由于地形和资金的限制，监测系统的布设范围是有限的，所以有必要研究布设范围对定位结果的影响。

将图4a所示星状监测系统的接收点距设置为10、20和30m，则监测系统半径分别为1000、2000和3000m。图6对比了不同半径监测系统对不同深度微地震事件定位的垂向误差(dz)。当监测系统半径从1000m增大到3000m时，得到的事件个数差异不大，但定位精度逐渐提高。当监测系统的布设范围远小于震源深度时，由于没有远端检波器的约束，其定位误差较大，且很不稳定；当布设范围大于或等于震源深度时，其定位的误差较小，且比较稳定。

图5 四种监测系统对不同深度微地震事件定位的水平(左)和垂向(右)误差对比

图6 不同半径星状监测系统对不同深度微地震事件定位效果对比

4.3 布设间距分析

将图4a所示星状监测系统的检波器个数设为1500、线数设为10、检波点距设为20m，形成星状监测系统Ⅰ；将图4a所示星状监测系统的检波器个数设为1500、线数设为5、检波点距设为10m，形成星状监测系统Ⅱ；将图4a所示星状监测系统的检波器个数设为750、线数设为10、检波点距设为40m，形成星状监测系统Ⅲ。图7对比了不同检波器间距星状监测系统对不同深度微地震事件定位效果。由图可以看出，星状系统Ⅱ监测到的事件数目最少，且震源越深这种现象越明显，但定位精度与其他监测系统区别不大，说明方位角的覆盖范围影响了定位事件的数目；星状系统Ⅰ与星状系统Ⅲ的整体定位效果相差不大。由此可见，接收线数越少，监测到的地震事件越少；在接收线数和布设范围一致的情况下，适当增大检波器的间距、减少检波器个数，定位效果基本不变，但可以降低成本。

图7 不同检波器间距星状监测系统对不同深度微地震事件定位效果对比

4.4 列震源的定位分析

在工业生产中，微地震一般集中分布在压裂井的附近，观测系统是否应当侧重于震源区域布设?将深度均为2500m 的20个震源排成一列，与x轴垂直相交于x=500m处，在x轴两侧等间隔(30m)分布(图8)。图8a星状监测系统10条接收线均匀分布(方案A)，图8b监测系统10条检波器侧重于震源区域分布(方案B)，两种方案按检波器个数和间距分为四种情况：检波器个数Nr=3000，间距为10m；检波器个数Nr=1500，间距为20m；检波器个数Nr=1000，间距为30m；检波器个数Nr=750，间距为40m。图9～图11分别对比了两种布设方案识别出微地震事件数目、水平定位误差和垂向定位误差。

图8 列震源地面监测系统

图9 列震源两种地面监测系统方案识别的微地震事件对比

图10 列震源两种地面监测系统方案微地震事件水平定位误差对比

图11 列震源两种地面监测系统方案微地震事件垂向定位误差对比

当SNR>0.35时，采用方案B布设方式，所有的四种情况监测系统都能定位出全部20个震源；而采用方案A布设方式，只有当SNR>0.65时，所有监测系统才能定位出20个震源。至于定位精度，垂向误差大约是水平误差的两倍，两种布设方案的垂向误差基本相当，但方案B的平均水平误差总是小于方案A。

所以，检波器侧重于震源区域分布，能够有利于在较低信噪比时识别出更多的微地震事件，且能提高水平定位精度。

5 实际监测系统的定位分析

实际工区的噪声远比随机噪声更复杂。采用四川M工区的实际地面监测系统，震源坐标为x=1500m，y=2000m，深度分别为2000、2500和3000m。添加实际噪声，将实际监测系统按不同的布设范围、线数与检波点距进行重新抽取，得到检波器约为800个的四种监测系统方案(图12)。方案Ⅰ监测系统接收线有17条，检波点距为30m，半径为3000m；方案Ⅱ监测系统接收线也有17条，检波点距为20m，半径为2000m；方案Ⅲ监测系统接收线有9条，检波点距为10m，半径为2000m；方案Ⅳ监测系统接收线有17条，检波点距为10m，半径为1000m。从方案Ⅰ～方案Ⅳ，检波器的覆盖范围逐渐减小，检波点距逐渐减小。图13对比了四种监测方案对不同深度微地震事件的定位效果。

图12 实际监测系统的4种方案

图13 实际监测系统4种方案对不同深度微地震事件的定位效果对比

随着震源深度的增加，所有监测系统识别的地震事件数目逐渐减少，垂向误差逐渐增大。其中方案Ⅲ对上述现象表现得最为明显，方案Ⅲ和方案Ⅳ的整体误差水平也较高；方案Ⅰ识别的事件数目与方案Ⅱ相仿，但其整体精度却优于其他监测系统方案。

所以，当检波器数目一定时，可以适当增大检波点距，扩大布设范围，增加监测线数。其中分布范围是影响定位精度的主要因素，监测线数主要影响识别微地震事件的个数。

6 讨论

由以上分析发现，定位效果与监测系统的覆盖范围、接收线数、检波器间距、震源深度及介质速度等均有直接关系。震源与检波器的几何关系如图14所示，H、Z和θ分别表示震中距、震源深度和离源角，介质速度为v，震源到检波器的旅行时可以表示为

(3)

图14 震源与检波器的几何关系图

那么由于时间误差dt所导致的垂向几何误差(dz)和水平几何误差(dh)分别为

dz=dtvcosθ

(4)

dh=dtvsinθ

(5)

对于相同的时间误差dt，介质速度与两个方向的误差成正比，介质速度越高，其几何误差越大。对于单个检波器，当深度Z不变、震中距H越小时，其θ越小，那么垂向几何误差越大，水平几何误差越小；当震中距H不变、震源深度Z越小时，其θ越大，那么垂向几何误差越小，而水平几何误差越大。因此，地面监测系统的布设范围越大，垂向几何误差越小，震源位置越深，垂向几何误差越大。所以，适当扩大检波器的布设范围，能够有效抑制垂向几何误差。

在实际地面监测系统中，大多数检波器的震中距都小于震源深度，即H

(6)

(7)

式中：n表示地面检波器的总数目；tij表示第i个网格点到地面第j个检波器的P波旅行时；tcj表示理论震源点到地面第j个检波器的P波理论旅行时。

针对以上测试，用20个检波器设计了如图15所示的三个地面监测系统，其中第1个监测系统(图15a)的检波点距较小，布设范围较小；第2个监测系统(图15b)的检波点距较大，布设范围较大；第3个监测系统(图15c)的检波点距较小，侧重于一侧分布。计算三种地面监测系统对不同深度(500m和1100m)震源的旅行时残差的标准差(图15等值线所示)。

由图15可以看出，震源越深，旅行时残差的标准差越发散，其整体旅行时误差越大。对于同一深度震源而言，改变监测系统方案，主要是水平旅行时误差发生改变，检波器布设的范围越大，其水平旅行时误差越小。另外第3个监测系统说明了检波器应该侧重于震源区域布设，才能有效减小旅行时误差。

图15 三个监测系统及其旅行时残差的标准差分布

7 结论

由以上测试和讨论，可以得出以下几点地面监测系统的优化设计原则。

(1)检波器数目相同时，星状布设方式的定位效果要优于网格状，原因是星状布设方式经济高效地扩大了检波器的布设范围。

(2)若已知震源分布的大致区域，应当增加检波器在该区域上方的分布密度。

(3)在一定范围内，适当增大检波点距、增大检波器的布设范围、增加检波线数，可以在节约成本的前提下得到更好的定位效果。扩大检波器的布设范围虽然在一定程度增大了水平几何误差，但也能有效减小垂向几何误差和水平旅行时误差，且大部分检波器的震中距都小于震源深度，误差主要集中在垂直方向。所以，整体而言，扩大监测系统的布设范围能够有效提高定位精度。

(4)监测系统设计应考虑震源深度合理布置。一般来说，水平覆盖半径约等于震源深度即可。布设范围太小，垂直误差可能会更大；布设范围太大，则会增加经济成本。

另外，对于地面监测系统，水平方向的误差普遍小于垂直方向的误差，随着震源深度的增加，能识别的地震事件数目逐渐减少，定位误差也逐渐增大。

[1] 刘振武，撒利明，巫芙蓉等.中国石油集团非常规油气微地震监测技术现状及发展方向.石油地球物理勘探，2013，48(5)：843-853. Liu Zhenwu，Sa Liming，Wu Furong et al.Microseismic monitor technology status for unconventional resource E & P and its future development in CNPC.OGP，2013，48(5)：843-853.

[2] 张山，刘清林，赵群等.微地震监测技术在油田开发中的应用.石油物探，2002，41(2)：226-231. Zhang Shan，Liu Qinglin，Zhao Qun et al.Application of microseismic monitoring technology in development of oil field.GPP，2002，41(2)：226-231.

[3] Duncan P M，Eisner L.Reservoir characterization using surface microseismic monitoring.Geophysics，2010，75(5)：A139-A146.

[4] 李会俭，王润秋，曹思远等.利用多尺度形态学识别微地震监测中的弱信号.石油地球物理勘探，2015，50(6)：1105-1111. Li Huijian，Wang Runqiu，Cao Siyuan et al.Weak signal identification in microseismic monitoring with multi-scale morphology.OGP，2015，50(6)：1105-1111.

[5] 邵婕，孙成禹，唐杰等.基于字典训练的小波域稀疏表示微地震去噪方法.石油地球物理勘探，2016，51(2)：254-260. Shao Jie，Sun Chengyu，Tang Jie et al.Micro-seismic data denoising based on sparse representations over learned dictionary in the wavelet domain.OGP，2016，51(2)：254-260.

[6] 撒利明，张玮，张少华等.中国石油“十二·五”物探技术重大进展及“十三·五”展望.石油地球物理勘探，2016，51(2)：404-419. Sa Liming，Zhang Wei，Zhang Shaohua et al.Geophy-sical technology major achievements at CNPC during the Twelfth Five-Year Plan and lookout for the Thirteenth Five-Year Plan.OGP，2016，51(2)：404-419.

[7] Hardy H R.Acoustic Emission/Microseismic Activity.Balkema A A Publishers，2003.

[8] 王维波，周瑶琪，春兰.地面微地震监测SET震源定位特性研究.中国石油大学学报(自然科学版)，2012，36(5)：45-55. Wang Weibo，Zhou Yaoqi，Chun Lan.Characteristics of source localization by seismic emission tomography for surface based on microseismic monitoring.Journal of China University of Petroleum(Natural Science Edition)，2012，36(5)：45-55.

[9] 李雪，赵志红，荣军委.水力压裂裂缝微地震监测测试技术与应用.油气井测试，2012，21(3)：43-45. Li Xue，Zhao Zhihong，Rong Junwei.Microseismic monitoring technology of hydraulic fracture and its applications.Well Testing，2012，21(3)：43-45.

[10] 宋维琪，冯超.微地震有效事件自动识别与定位方法.石油地球物理勘探，2013，48(2)：283-288. Song Weiqi，Feng Chao.Automatic identification and localization of microseismic effective events.OGP，2013，48(2)：283-288.

[11] 宋维琪，高艳珂，朱海伟.地面微地震水平层状模型波形反演.石油地球物理勘探，2013，48(1)：64-70. Song Weiqi，Gao Yanke，Zhu Haiwei.Waveform inversion of horizontal layer model for surface micro-seismic.OGP，2013，48(1)：64-70.

[12] Gajewski1 D，Sommer K，Vanelle1 C et al.Influence of models on seismic-event localization.Geophysics，2009，74(5)：WB55-WB61.

[13] 王晨龙，程玖兵，尹陈等.地面与井中观测条件下的微地震干涉逆时定位算法.地球物理学报，2013，56(9)：3184-3196. Wang Chenlong，Cheng Jiubing，Yin Chen et al.Microseismic events location of surface and borehole observation with reverse-time focusing using interfero-metry technique.Acta Geophysica Sinica，2013，56(9)：3184-3196.

[14] Liang Chuntao，Yu Yangyang，Yang Yihai et al.Joint inversion of source location and focal mechanism of microseismicity.Geophysics，2016，81(2)：KS103-KS111.

[15] Maxwell S C，Rutledge J，Jones R et al.Petroleum reservoir characterization using down hole microseismic monitoring.Geophysics，2010，75(5)：A129-A137.

[16] Kao H，Shan S，Dragert H et al.Spatial-temporal patterns of seismic tremors in northern Cascadia.Journal of Geophysical Research Atmospheres，2006，111(B3)：113-132.

[17] Eisner L，Abbott D，Barker W B et al.Noise suppression for detection and location of microseismic events using a matched filter.SEG Technical Program Extended Abstracts，2008，27：1431-1435.

[18] Kummerow J.Seismic event location using the value of the cross correlation coefficient.Geophysics，2010，75(4)：MA47-MA52.

[19] Gajewski D，Tessmer E.Reverse modelling for seismic event characterization.Geophysical Journal International，2010，163(1)：276-284.

[20] Kao H，Shan S J.The source-scanning algorithm：mapping the distribution of seismic sources in time and space.Geophysical Journal International，2010，157(2)：589-594.

[21] 李文军，陈棋福.用震源扫描算法(SSA)进行微震的定位.地震，2006，26(3)：107-115. Li Wenjun，Chen Qifu.Micro-earthquake location by means of source-scanning algorithm.Earthquake，2006，26(3)：107-115.

[22] 唐杰，方兵，蓝阳等.压裂诱发的微地震震源机制及信号传播特性.石油地球物理勘探，2015，50(4)：643-649. Tang Jie，Fang Bing，Lan Yang et al.Focal mechanism of micro-seismic induced by hydrofracture and its signal propagation characteristics.OGP，2015，50(4)：643-649.

[23] Zhang W，Chen X F.Traction image method for irre-gular free surface boundaries in finite difference seismic wave simulation.Geophysical Journal International，2006，167(1)：337-353.

[24] 肖钢，唐颖.页岩气及其勘探开发.北京：高等教育出版社，2012. Xiao Gang，Tang Ying.Shale gas and its exploration and development.Higher Education Press，Beijing，2012.

[25] Kidney R L，Zimmer U，Boroumand N.Impact of distance-dependent location dispersion error on interpretation of microseismic event distributions.The Lea-ding Edge，2010，29(3)：284-289.

(本文编辑：宜明理)