惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Vercel News
Vercel News
Recorded Future
Recorded Future
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
The GitHub Blog
The GitHub Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Google DeepMind News
Google DeepMind News
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Microsoft Azure Blog
Microsoft Azure Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
M
MIT News - Artificial intelligence
云风的 BLOG
云风的 BLOG
Y
Y Combinator Blog
N
News | PayPal Newsroom
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Help Net Security
Help Net Security
博客园 - Franky
SecWiki News
SecWiki News
Recent Announcements
Recent Announcements
T
Troy Hunt's Blog
The Register - Security
The Register - Security
The Last Watchdog
The Last Watchdog
Webroot Blog
Webroot Blog
S
Security Affairs
博客园 - 司徒正美
S
Schneier on Security
I
InfoQ
博客园_首页
www.infosecurity-magazine.com
www.infosecurity-magazine.com
T
Threat Research - Cisco Blogs
Forbes - Security
Forbes - Security
腾讯CDC
N
Netflix TechBlog - Medium
N
News and Events Feed by Topic
Cloudbric
Cloudbric
T
The Exploit Database - CXSecurity.com
P
Proofpoint News Feed
A
About on SuperTechFans
Engineering at Meta
Engineering at Meta
Recent Commits to openclaw:main
Recent Commits to openclaw:main
B
Blog
V
Vulnerabilities – Threatpost
C
Check Point Blog
Google DeepMind News
Google DeepMind News
Google Online Security Blog
Google Online Security Blog
C
Cyber Attacks, Cyber Crime and Cyber Security
Hacker News - Newest:
Hacker News - Newest: "LLM"
C
Cisco Blogs
Schneier on Security
Schneier on Security
O
OpenAI News
K
Kaspersky official blog

SEISAMUSE

Paper Reading (63) | Jun Xie Paper Reading (62) | Jun Xie 关于论文 | Jun Xie Paper Reading (61) | Jun Xie Light lie (1) | Jun Xie 视频笔记:提前退休不是躺平,而是提高选择权 | Jun Xie 用 Cloudflare Tunnel 在家连回办公室 Fedora Paper Reading (60) | Jun Xie 用Cloudflare Tunnel继续继续搬paper-hot | Jun Xie 用Cloudflare Tunnel把FreshRSS搬回办公室电脑 | Jun Xie Paper Reading (59) | Jun Xie Paper Reading (58) | Jun Xie Paper Reading (57) | Jun Xie 近期我对博客做了什么 | Jun Xie Paper Reading (56) | Jun Xie 2026 06 14 Certificated | Jun Xie Paper Reading (55) | Jun Xie 关于Codex (2) | Jun Xie 关于Codex Skills | Jun Xie 关于人性(2) | Jun Xie 关于人性(3) | Jun Xie 关于反演 | Jun Xie 关于Codex (1) | Jun Xie 关于人性(1) | Jun Xie Fish Guard | Jun Xie 在家怎么连服务器 | Jun Xie Paper Reading (54) | Jun Xie Paper Hot deployment | Jun Xie Paper Reading (53) | Jun Xie 吃瓜子 | Jun Xie Paper Reading (52) | Jun Xie 新的网站 | Jun Xie Paper Reading (51) | Jun Xie Welcome to SEISAMUSE | Jun Xie Welcome to SEISAMUSE | Jun Xie 文献阅读(50) | Jun Xie 文献阅读(49) | Jun Xie 用AI做网页 | Jun Xie 自动监控地震数据下载脚本 | Jun Xie 文献阅读(48) | Jun Xie 用AI做APP | Jun Xie 文献阅读(47) | Jun Xie 文献阅读(45) | Jun Xie 文献阅读(46) | Jun Xie 文献阅读(44) | Jun Xie 文献阅读(42) | Jun Xie 文献阅读(43) | Jun Xie gmt特殊字符 | Jun Xie 文献阅读(38) | Jun Xie 文献阅读(39) | Jun Xie 文献阅读(41) | Jun Xie 文献阅读(40) | Jun Xie 文献阅读(36) | Jun Xie 文献阅读(37) | Jun Xie 文献阅读(35) | Jun Xie 文献阅读(32) | Jun Xie 文献阅读(33) | Jun Xie 文献阅读(30) | Jun Xie 文献阅读(34) | Jun Xie Mac中安装FreshRSS | Jun Xie hexo插入图片 | Jun Xie gmt画震源球 | Jun Xie gmt的投影方式 | Jun Xie 震源机制解反演 | Jun Xie 地震学相关程序 | Jun Xie 计算背景噪声中噪声源背方位角 | Jun Xie 文献阅读(29) | Jun Xie
文献阅读(31) | Jun Xie
2025-12-09 · via SEISAMUSE

  Investigation of Time-Lapse Changes with DAS Borehole Data at the Brady Geothermal Field Using Deconvolution Interferometry

摘要

分布式声波传感(DAS)在监测自然资源储层和井筒条件方面具有巨大潜力。然而,数据量大且波场复杂,给处理和解释带来挑战。本研究展示了基于反褶积的地震干涉法是分析复杂波场的便捷工具,并指出该方法仍需要良好的耦合以提取目标信号。我们从内华达州Brady地热田一口垂直井的DAS观测中提取了相干波,这些波为在某一深度区间内来回反射的“缆绳/套管振铃”波。这种振铃现象在垂直井DAS数据中十分常见。反褶积方法使我们可以在不同边界条件下分析波场,并分离直达波与多次波。借此,我们可用简单的一维弦模型解释波场,并监测其随时间的变化。该波的速度随深度、观测时间、温度和压力而变化,对井内运行强度增加引起的扰动敏感,且随温度升高而降低。频谱分析可将振铃波分解为不同振动模态,发现波具有频散性,基阶模态传播速度较高。该干涉法可用于利用高密度DAS数据监测井筒条件或储层性质变化。


相关研究的重要性

  1. DAS在井中监测中的潜力
    DAS具备耐高温、耐腐蚀、空间采样密集和成本低等优势,适用于地热、油气等极端环境下的长期井中监测。

  2. 复杂波场解释瓶颈
    井中DAS数据常受“振铃”波、光学噪声、流体扰动等影响,波场复杂,传统方法难以有效提取目标信号。

  3. 时移监测需求
    储层开发过程中需要连续、无源、低成本的手段监测井筒或储层性质变化,DAS具备此潜力但缺乏有效解释框架。


前人研究及不足

研究 内容 不足
Mateeva et al. (2014) 首次将DAS用于VSP储层成像 未处理振铃波,仅将其视为噪声
Miller et al. (2018) 在Brady地热田识别DAS振铃波与套管缺陷相关 未建立模型解释振铃机制,未分析其时移特性
Patterson et al. (2017) 使用DTS与压力数据研究Brady井筒热响应 未结合DAS数据,缺乏对结构响应的地震学分析
Trainor-Guitton et al. (2019) 使用DASV成像断层结构 仅使用主动源数据,未利用环境噪声或振铃波
Nakata & Snieder (2014) 提出反褶积干涉法用于建筑结构监测 未应用于井中DAS数据,未考虑井筒复杂边界条件

本文使用的数据

数据类型 内容 说明
DASV(井中DAS) 2016年3月18–26日,Brady地热田56-1井,384通道,1m间距,1000 Hz采样率,深度约380m 数据量981GB,含振铃波、地震事件、运行扰动等
DTS(分布式温度) 同井共址光纤,0.126m间距,62s采样间隔 用于分析温度梯度与速度关系
压力数据 邻近井56A-1,60s采样,深度对应DASV第219道(约219m) 用于分析井内扰动与波速变化关系

本文采用的方法

  1. 反褶积地震干涉法
  2. 将某一深度通道作为“虚拟震源”,对其余通道做频域反褶积,提取相干波场。
  3. 可修改边界条件,分离直达波与多次波,简化波场解释。

  4. 一维弦模型(Model 1 & Model 2)

  5. Model 1:两端反射器+两端震源,解释主要振铃波。
  6. Model 2:增加中部反射器与局部震源,解释复杂结构响应。

  7. 时移速度分析

  8. 每小时叠加反褶积波场,拾取直达波走时,计算速度变化。
  9. 分析速度与深度、时间、温度、压力的关系。

  10. 简正模态分析

  11. 提取振铃波的频散特性,识别基阶与高阶模态,计算频散曲线。

本文研究结果

  1. 振铃波机制明确
  2. 振铃波为缆绳或套管中传播的P波,速度约3600–5000m/s,接近钢材Vp(5000–5250m/s)。
  3. 波场对称性要求至少两个震源同时存在,震源强度差异决定因果/非因果能量分布。

  4. 速度对温度敏感

  5. 速度随温度升高而降低,斜率为−17.1 m/s/°C,远高于纯钢材实验室值(−0.5 m/s/°C),提示缆绳或套管在高温下响应异常。

  6. 速度对井内扰动敏感

  7. 初期压力骤降引发井内沸腾扰动,速度从4100 m/s跃升至4700 m/s,表明振铃波对井筒状态变化敏感。

  8. 频散特性清晰

  9. 振铃波可分解为间隔约18Hz的多个模态,高阶模态速度低于基阶,呈负频散关系。

  10. 深层信号提取受限

  11. 200m以下仅在主动源振动期间提取到地层传播波(Vp≈2100 m/s,Vs≈1100 m/s),但信噪比低,时移分析受限。

本文创新之处与贡献

创新点 具体贡献
首次将反褶积干涉法用于井中DAS振铃波分析 提出将“噪声”视为信号,建立一维弦模型解释其机制,填补井中DAS波场建模空白
提出振铃波时移速度作为井筒/储层监测指标 发现速度对温度、压力、扰动敏感,提供无源、连续、低成本的井筒健康监测新思路
揭示振铃波频散特性与模态结构 通过简正模态分析提取频散曲线,为后续反演套管或缆绳力学参数提供基础
区分不同能量来源对波场对称性的影响 提出震源强度比与反射系数共同决定波场对称性,为解释复杂DAS波场提供理论依据

本文不足与未来方向

不足 说明
未建立定量温度-速度关系 仅给出经验斜率,未建立物理模型解释为何速度温度敏感性远高于纯钢
模型简化,未反演真实结构 一维弦模型为定性解释,未反演套管、缆绳、地层真实几何与力学参数
深层信号信噪比低 200m以下仅在主动源期间提取到地层波,未能实现无源储层监测
未验证方法在其他井中的适用性 数据仅来自Brady一口井,尚未验证模型是否适用于其他地热或油气井
未结合主动源成像结果对比 若能与VSP或断层成像结果对比,可进一步验证振铃波对结构变化的敏感度

如需我进一步提取图表信息、翻译某一段落或对比其他文献,请继续提问。