随采地震数据质量定量评价_覃思.pdf

第 47 卷 第 3 期 煤田地质与勘探 Vol. 47 No.3 2019 年 6 月 COAL GEOLOGY 2. The State Key Laboratory of Resources and Environmental Ination System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Science, Beijing 100101, China Abstract A seismic- while- miningSWM monitoring system laid in a working face of an underground coalmine will continuously generate tremendous amount of SWM data. When a coalmine cutting machine cuts coal seam ac- tively, the SWM data will be of high correlation, and when it is not, the SWM data will be of low correlation or even no correlation at all. Based on this characteristic, a for automatically and quantitatively uating the quality of SWM data was proposed. Using this to process SWM data from a coal mine in Inner Mongolia, the result showed that this can recognize the correlation peak very effectively, and the data quality ua- tion result is very good. To apply this to screening SWM monitoring data from a coal mine working face in Guizhou Province, the stack result of selected high quality data shows that the S/N ratio is obviously improved, and the correlation event is obviously enhanced. This can be used to rapidly pick out high quality data from enormous amount of data, and reduce the workload of next step while improving the processing result. Keywords coalmine cutting machine; seismic- while- mining; data quality uation 煤矿井下的采掘活动会激发出能量足够的震动 波。利用其作为震源，可以探测工作面内部或者掘 进面前方一定区域内的地质构造、 应力分布等情况， 这种勘探方式叫“随采地震勘探”。国外一些学者探 索了这种勘探方法[1- 7]，但文献数量很少，且仅停留 在试验阶段。近年来国内在这个领域内的探索越来 越多[8- 16]，还出现了不少成功的试验案例。但在尝 试将此方法推进到工业生产阶段，即用随采地震勘 探的方式对煤矿回采工作面或掌子面前方进行监控 级勘探时遇到了一个问题每 1 min 都有海量数据 传到地面服务器中，数据量太过庞大。若以观测系 统为 48 道浅孔单分量和 12 道深孔单分量检波器， ChaoXing 第 3 期 覃思等 随采地震数据质量定量评价 21 合计 60 道地震道，4 000 Hz 采样频率来计算，一天 的数据量约为 6024 h3 600 s/h4 000 样点/s4 Byte/样点≈82.9 GB。然而由于采掘机械一天中真正 积极截割煤壁的时间相对较少例行检修时完全停 机，工作时也有大量时间在刨煤，并未截割煤壁， 其中仅有较少一部分是高质量数据。面对如此庞大 的数据量，和相对很少的高质量数据，要实现随采 地震数据的计算机实时自动化处理，首先要解决的 问题就是对随采地震数据的质量进行定量化自动评 价，挑选出符合要求的高质量数据，以缩减处理工 作量，提高处理成果的质量。 为了实现随采地震数据质量自动评价，利用在 内蒙古某煤矿采集的随采地震数据进行了试验。 1 方法原理 当采掘机械积极截割煤壁时，产生的有效震动 信号能量很强，能被整个接收排列收到，因此，整 个接收排列上收到的信号具有较高的相似性，从而 具有较高的相关度；当采掘机械刨煤或者停机时， 产生的有效震动信号较弱甚至没有，此时整个接收 排列上没有强度足够大的信号，因此，各道收到的 信号相似性差，从而相关度差。利用这个特点可以 设计一个定量评价随采地震数据质量的方法，实现 流程如下 a. 找出此数据的最佳参考道，用最佳参考道与 其余道相关，获取相关记录。 设地震数据有 n 道，每道有 m 个样点，则数据 可表达为 mn 阶矩阵 A。 计算 n 道数据之间的两两 互相关系数，就是求 m 维空间中 n 个向量两两之间 夹角的余弦，相关系数计算公式可简单表达为 cov , corrcoef , cov , cov , i j i j i ij j  1 其中，covi,j表示地震道 i,j 之间的协方差，covi,i 为第 i 道的方差。 计算出所有地震道两两相关的相关 系数后， 再求任意道做参考道时， 与其余道的相关系 数的平方和， 取其最大者为最佳参考道。 用最佳参考 道与其余道相关，获得相关记录送入下一流程。 b. 对相关记录逐道提取特征轮廓，将其抽象 化。对特征轮廓数据逐道评价合格性，仅留下合格 的部分，全部不合格则将此道置零。 相关并截取后得到的记录矩阵 B 是 kn 阶的， 其中 k 远小于之前的每道样点数 m，但依然掺杂太 多细节，这些细节对于进一步的处理有用，但对于 评价数据质量是干扰，需要针对关心的特征将数据 抽象化，以便准确而又快速地评价。此处关心的特 征是相关能量峰的能量凝聚度是否足够高。因此， 可以这样定义特征轮廓的计算方式 将 kn 阶的相关记录矩阵 B，每一列切割成 p 等份每一等份的时间长度建议设置为 0.5 个相关能 量峰的时间宽度，以在确保判别精度的同时获得相 对较高的处理速度，每一等份中，取段内数据绝对 值的最大值作为本段数据的特征值， 生成 pn 阶的 特征轮廓矩阵 C，完成对相关数据的抽象化。 评价相关数据是否合格的标准是相关能量峰的 能量凝聚度是否足够高， 因此对 pn 阶特征轮廓矩 阵设计这样一个评判标准将道内 p 个值从大到小 排序， 取前 20左右以相关能量团宽度占总道长的 比例做参考设定为宜处的值的 2 倍作为阈值，将小 于阈值的值置零，将大于等于阈值的值保留可以微 调，以获得最佳评判效果。这样处理，能量峰凝聚 度不高的道会被抹除所有特征轮廓值，变成空道， 不是空道的都是合格道。 c. 用非零道数与总道数之比计算数据的质量 评价结果。 下面用实际数据来详细阐述方法的实现。 2 试验数据处理 本次试验煤矿位于内蒙古草原区域，试验煤层 分为上、下分层，其中分层界限为砂岩，厚 0.05 0.27 m。煤层上分层厚度平均 1.20 m，煤层经济可 采厚度平均 3.58 m，总体厚度平均 4.24 m。煤层顶 板以灰岩为主，属坚硬岩石，岩体质量优，属稳定 顶板。煤层底板以粉砂岩为主，属软弱岩石，岩体 质量中等，属不稳定底板。 观测系统布设如图 1 所示， 三角形为测点位置。 此处工作面不是纯矩形，靠切眼处的一段工作面弯 曲了一个角度。测线共 54 道，第 54 道距离采煤工 作面 81 m。整个测线总长约 649 m，道间距平均为 12.25 m。 图 1 观测系统示意图 Fig.1 Layout of observation system 试验总共采集了 500 min，图 2 是其第 150 min 的数据截图，长度 1 min。 ChaoXing 22 煤田地质与勘探 第 47 卷 图 2 第 150 min 时的随采地震数据 Fig.2 SWM data of 150th minute 从图 2 中可见，大多数道整个时间段内数据能 量没有较强烈的改变，几乎是均匀的。对于这样的 数据，采用 waterlevel 法[17]进行频域互相关处理， 即将频域里所有低于某个设定值即 waterlevel的频 谱拉到此设定值，高于此设定值的频谱不变，然后 再进行频域相关处理，获得相关记录。图 3 是图 2 数据经此处理后获得的记录。 图 3 第 150 min 数据相关结果 Fig.3 Correlation result of the data at 150th minute 通过这样处理，不仅可以提升处理效果，还能 减少处理时间。参与相关的数据道越长，速度提升 越明显， 这对于海量数据的实时处理是非常有用的。 对图 3 数据进行抽象化将截割后的数据分块 处理，本次截割成 50 块，获得数据轮廓，然后逐 道评价相关数据是否合格，获得图 4。图 4 浅灰色 是被置零的段抽象值， 黑色是通过评价被保留的段 抽象值。 图 4 第 150 min 数据经相关能量团抽象与评价后的结果 Fig.4 The abstraction and uation of the data at 150th minute 获得相关数据的逐道评价结果后，用非零道数 与总道数之比作为数据的质量评价结果。 利用以上方法， 对此随采数据第 50250 min 数据 进行质量评价，绘出每分钟评价结果，如图 5 所示。 从图 5 可见，可以根据评价结果，将数据质量 划分为三类 a. 高质量道占比大于 70的，为优秀数据，对 应割煤机积极截割煤壁的时段； b. 高质量道占比小于等于 30的，为无效数 据，对应割煤机没开机或开机了没割煤或没扫煤的 时段； c. 高质量道占比大于 30且小于等于 70的， 为质量较差数据，对应割煤机割煤不积极或扫煤的 时段。 从图 5 可见，第 89 min 与第 90 min 数据质量 有跳变，对这两分钟数据处理后发现第 89 min 相 关能量团非常弱，评价结果仅有 6 道未置零图 6， 非零道占比为 11，此时采煤机应当刚开机，尚未 割煤；第 90 min 相关能量团非常强，评价结果有 45 道未被置零图 7，非零道占比为 83，此时采煤机 应当在积极割煤。由图 5图 7 可见，此方法能有 效地对随采地震数据质量做出定量化评价。 图 5 此随采数据逐分钟数据质量评价 Fig.5 Quality uation by minute of the SWM data. 图 6 第 89 min 数据相关和评价结果 Fig.6 The correlation and uation of the data at 89th minute ChaoXing 第 3 期 覃思等 随采地震数据质量定量评价 23 图 7 第 90 min 数据结果和评价结果 Fig.7 The correlation and uation of the data at 90th minute 3 方法应用 在贵州某矿随采地震监测工地采集到一段随采 地震数据， 观测系统如图 8 所示 在两条巷道中各布 设 24 道浅孔检波器，接收来自采煤机的震动信号。 图 8 随采地震信号观测系统示意图 Fig.8 SWM data acquisition geometry layout 由于受井下各种干扰的影响，数据质量较差，以 48 道中的每一道做参考道， 分别与其余所有道进行相 关运算， 所获得的 48 个结果仅有少部分能看到相关能 量轴。图 9 是其中两个能看到相关能量轴的结果。 为获得较好的相关同相轴，将这 48 个相关结 果用前面提到的数据质量自动评价流程进行评价， 然后剔除一些评价太差的结果， 将剩余结果先通过 相关找准叠加时差，再进行叠加，最后得到图 10。 由图 10 可见相关能量轴得到很好地增强，而噪声 被很好地压制。图 10 的结果，是在图 8 的观测系 统下，48 道接收道所接收波场的共性之叠加，而 各道因位置不同， 波的传播路径不同所导致的个性 信息被抹去。得到共性，是研究异常的第一步，共 性是背景，而异常是背景下的偏离，因此这个处理 流程很有意义。 图 9 两个能看到相关能量轴的结果 Fig.9 Two results that correlation energy axis can be observed 图 10 数据通过自动评价筛选后的叠加结果 Fig.10 Stack result of the selected data after automatic uation 4 结 论 由于震源特性的不可控，随采地震数据质量参 差不齐，其中高质量数据仅占很小一部分，且分布 未知，这对利用其进行高质量勘探造成很大困难。 利用本文提出的随采地震数据质量定量评价方法， 可以定量设定质量筛选标准，筛选出符合要求的数 据进行下一步处理，不仅能提升成果质量，还能大 幅度节省处理时间。从试验数据处理结果来看，在 识别质量合格的相关道与挑选优质数据进行叠加方 面，本方法的效果都非常显著。此外，在本文所提 方法的基础上，可实现数据的自动筛选，进而为随 采地震数据自动化智能处理提供了重要的支撑。 参考文献 [1] BUCHANAN D J， MASON I M， DAVIS R. The coal cutter as a seismic source in channel wave exploration[J]. IEEE Transac- tions on Geoscience and Remote Sensing， 1980， 184 318–320. [2] LUO X，KING A，VAN DE WERKEN M. Sensing roof condi- tions ahead of a longwall mining using the shearer as a seismic ChaoXing 24 煤田地质与勘探 第 47 卷 source[J]. IEEE Transactions on Geoscience and Remote Sens- ing，2008，46417 –20. [3] KING A，LUO X. ology for tomographic imaging ahead of mining using the shearer as a seismic source[J]. Geophysics， 2009，7421–8. [4] LUO X， KING A， VAN DE WERKEN M. Tomographic imaging of rock conditions ahead of mining using the shearer as a seismic sourceA feasibility study[J]. IEEE Transactions on Geoscience and Remote Sensing，2009，47113671–3678. [5] TAYLOR N， MERRIAM J， GENDZWILL D， et al. The mining machine as a seismic source for in- seam reflection mapping[J]. Seg Technical Program Expanded Abstracts，1949，201 1365–1368. [6] WESTMAN E C，HARAMY K Y，ROCK A D. Seismic to- mography for longwall stress analysis[C]// In Proc. 2nd North Am. Rock Mech. Symp. 1996397–403. [7] WESTMAN E C，HEASLEY K A，SWANSON P L，et al. A correlation between seismic tomography，seismic events and support pressure[C]//In Proc. 38th Rock Mech. Symp. Washing- ton DC，2001319–326. [8] 陆斌. 以掘进机为震源对煤矿断层进行超前探测[C]//中国地球物 理2013第二十四分会场论文集.昆明，20131020–1025. [9] 覃思， 程建远. 煤矿井下随采地震反射波勘探试验研究[J]. 煤 炭科学技术，2015，431116–119. QIN Si，CHENG Jianyuan. Experimental study on seismic while mining for underground coal mine reflection survey[J]. Coal Science and Technology，2015，431116–119. [10] 陆斌，程建远，胡继武，等．采煤机震源有效信号提取及初 步应用[J]. 煤炭学报，2013，38122202–2207. LU Bin， CHENG Jianyuan， HU Jiwu， et al. Shearer source signal extraction and preliminary application[J]. Journal of China Coal Society，2013，38122202–2207. [11] LU Bin，CHENG Jianyuan，HU Jiwu，et al. Seismic features of vibration induced by mining machines and feasibility to be seismic sources[J]. Procedia Earth and Planetary Science，2011376–85. [12] 覃思，程建远，胡继武，等. 煤矿采空区及巷道的井地联合地 震超前勘探[J]. 煤炭学报，2015，403636639. QIN Si，CHENG Jianyua，HU Jiwu，et al. Coal- seam- ground seismic for advance detection of goaf and roadway[J]. Journal of China Coal Society，2015，403636–639． [13] 覃思. 随采地震井–地联合超前探测的试验研究[J]. 煤田地质 与勘探，2016，446148–151. QIN Si. Underground- surface combined seismic while mining advance detection[J]. Coal Geology Exploration， 2016， 446 148–151. [14] 陆斌. 基于噪声地震干涉的煤矿工作面随采成像方法[J]. 煤 田地质与勘探，2016，446142–147. LU Bin. A Seismic while mining of coal working- face based on seismic interferometry[J]. Coal Geology Explora- tion，2016，446142–147. [15] 覃思. 煤矿井下随采地震技术的试验研究[D]. 北京煤炭科 学研究总院，2016. [16] 霍晶晶，查华胜，苗园园，等. 突出煤层巷道随掘超前探测技 术研究[J]. 煤矿开采，2018，23619–23. HUO Jingjing， CHA Huasheng， MIAO Yuanyuan， et al. Advanced exploring technology during driving of roadway with outburst coal seam[J]. Coal Mining Technology，2018，23619–23. [17] WILLIAM M. Geophysical Data AnalysisDiscrete Inverse Theory[M]. San Diego， New York， Berkeley， Boston， London， Sydney，Tokyo，TorontoAcademic Press，1984. 责任编辑 聂爱兰 上接第 19 页 HAO Zhiyong， ZHOU Zhengqi， YUAN Zhi， et al. Research on fractal distribution law of shearer cutting load based on experimental test[J]. Chinese Journal of Applied Mechanics，2018，362417–423. [11] 刘心， 崔海民， 许海盟. 采煤机滚筒和截齿受力及优化分析[J]. 煤矿机械，2018，39661–63. LIU Xin，CUI Haimin，XU Haimeng. Stress and optimization analysis of shearer drum and cutting teeth[J]. Coal Mine Ma- chinery，2018，39661–63. [12] 李晓豁，李婷，焦丽，等. 滚筒采煤机截割载荷的模拟系统开 发及其模拟[J]. 煤炭学报，2016，412502–506. LI Xiaohuo， LI Ting， JIAO Li， et al. Devolopment of cutting load simulation system and its simulation study on drum shearer[J]. Journal of China Coal Society，2016，412502–506. [13] 李世中， 孙成禹， 彭鹏鹏. 可变交错网格优化差分系数法地震 波正演模拟[J]. 石油物探，2018，573378–388. LI Shizhong，SUN Chengyu，PENG Pengpeng. Seismic wave field forward modeling of variable staggered grid optimized dif- ference coefficient [J]. Geophysical Prospecting for Pe- troleum，2018，573378–388. [14] 段沛然， 李振春， 李青阳. 等效交错网格高阶有限差分法标量 波波场模拟[J]. 地球物理学进展，http// detail/11.2982.P.20180725.1051.046.html，2018- 07- 26. DUAN Peiran，LI Zhenchun，LI Chunyang. High- order fi- nite- difference based on equivalent staggered grid scheme for scalar wavefield simulation[J]. Progress in Geophys- ics，http// html，2018- 07- 26. [15] 李海山， 杨午阳， 雍学善. 三维一阶速度应力声波方程全波 形反演[J]. 石油地球物理勘探，2018，534730–736. LI Haishan，YANG Wuyang，YONG Xueshan. Three- dimensional full wave inversion based on the first- order velocity- stress acoustic wave equation[J]. Oil Geophysical Prospecting，2018， 534730–736. [16] 胡建林，宋维琪，张建坤，等. 交错网格有限差分正演模拟的 联合吸收边界[J]. 石油地球物理勘探，2018，535914–920. HU Jianlin，SONG Weiqi，Zhang Jiankun，et al. Joint absorbing boundary in the staggered- grid finite difference forward modeling simulation[J]. Oil Geophysical Prospecting，2018，535914–920. 责任编辑 聂爱兰 ChaoXing