核磁共振测井的正则化-启发式阈值降噪研究

核磁共振(NMR)测井是在高温、高压的极端条件下进行,样品体积小,回波幅度微弱.受到来源复杂的噪声影响,NMR信号通常被淹没在噪声中,测量数据的信噪比较低.提出正则化-启发式阈值算法(RegularizationHeursure,R-Heursure)对小波分解后的细节系数阈值降噪,正则化因子的选取与地层孔隙结构和测量数据的原始信噪比相关.通过最大相关系数能量准则选取最优化的母小波函数、消失矩和分解层次,采用正则化因子约束估计的阈值,使选取的阈值恰好能大于噪声水平而不损失小孔(或微孔)的响应信息.数值模拟和实际测井资料处理验证了R-Heursure算法的降噪性能,NMR测井数据的信噪比得以有效改善,为储层评价提供更准确的信息.