基于P波到时拾取的分析法与遗传算法联合定位方法与应用

针对岩石力学震源定位问题,提出了一种在P波到时精确拾取的基础上通过分析法过滤异常到达传感器和遗传算法(genetic algorithms,简称GA)求解联合定位方法,并将其应用于岩石材料的破裂面定位以及采矿工程中。为了消除传感器到时精度、传统迭代法及迭代初值选择对定位的影响,基于时频分析的改进长短时窗(short-term average/long-term average,简称STA/LTA)法拾取P波到时,求解不同传感器组合分析解的逻辑概率密度函数过滤异常到达,引入遗传算法对到达清晰的震源进行定位。通过断铅、含夹层组合煤岩单轴压缩试验及定点爆破试验对该方法进行验证。结果表明:在对信号预先带通滤波后进行变分模态分解(variational mode decomposition,简称VMD)精确滤波的基础上结合改进STA/LTA法可以大幅提升到时拾取精度;通过分析法过滤异常到达对定位精度的影响,结合具有全局性、不受初值影响的遗传算法对震源定位,应用于岩石材料试验以及采矿工程中可以较准确的对震源进行定位,该方法较传统迭代法、线性定位法等更具有工程实际应用价值。

低信噪比微震P波到时拾取与干扰信号剔除方法及应用

针对低信噪比和复杂微震信号P波准确拾取困难的问题,基于P波震相到达的时频特性,提出了一种协同离散小波变换(DWT)、自适应积分峰度拾取法(PAI-k)和赤池信息准则(AIC)的P波到时拾取技术,同时,依据波形局部相似原理对微震信号中的潜在干扰波形进行自动剔除。为验证所提方法的有效性,开展了不同信噪比波形的到时拾取模拟研究和甘肃金川二矿区采场主动震源定位试验。结果表明:相较于传统方法,提出的方法在不同信噪比水平中的P波初至点拾取准确性均为最高,其中,低信噪比下的拾取准确率超过了80%。此外,采用该方法处理的P波到时数据,采场内主动震源的平均定位误差为6.6 m,有效提升了复杂噪音环境中的定位精度。

基于卡尔曼滤波器的微震到时拾取技术研究

在实际微震监测过程中,由于监测环境复杂多变,所以监测系统受多种因素的影响,极易造成采集到的微震信号含有大量噪音,为了能够更好的进行预警定位,必须有效降低噪音带来的影响。基于这一思想,文章通过将卡尔曼滤波器与改进的M-AIC到时拾取算法结合应用到微震监测领域中去,通过利用C#编程语言将其复现,然后运用真实微震数据进行验证。证实了卡尔曼滤波算法具有良好的滤波效果,验证了所提方法的有效性。

融合门控循环单元和自注意力机制的矿山微震P波到时拾取方法

基于深度学习方法提出了一种矿山微震P波到时拾取方法。首先构建CNNDet模型进行事件监测和到时预拾取;其次引入自注意力机制,融合门控循环单元(GRU)构建CGANet模型,对检测到的事件进行P波到时精确拾取;最后将该方法与长短时窗能量比法、DPick和PpkNet方法进行对比,结果显示测试集的事件检测精确率和召回率都达到98%以上,P波到时估计的误差均值和标准差分别为0.014 s和0.051 s,说明本文方法在精确率、召回率及标准差等方面均明显优于上述三种方法。此外,对不同信噪比样本进行测试的结果也证明,本文方法在低信噪比下依然能保持较高的精度。在实际震源定位中,该方法也展现出了更优异的性能。

融合时空注意力机制的P波到时拾取网络

针对现有地震到时拾取算法精度较低、鲁棒性较差等问题,设计了一种基于深度学习的地震P波到时拾取网络,该网络为编解码结构,可实现地震波形序列的逐点预测。网络编码器对输入数据进行多尺度特征提取与融合,提高特征利用率;利用多尺度残差结构深度挖掘数据中隐藏特征信息,提升模型非线性拟合能力;在解码网络中加入时空注意力机制,提高网络对到时特征的感知能力;提出深层编码特征融合模块,在保证特征完整性的同时有效避免融合特征过程中出现的特征序列污染问题。实验结果表明,提出的网络在0.1s、0.2s、0.3s三个误差阈值下,拾取命中率分别为75.04%、94.6%、97.37%,平均绝对误差和均方误差为0.092s、0.036,相比现有传统方法与深度学习到时拾取方法,具有更高的P波到时拾取精度。

基于两阶段混合模型的地震数据到时拾取研究

相位拾取是地震资料处理中一项基础而重要的工作。为解决在连续波形中,地震事件及初至波拾取准确率不高的难题,基于深度学习提出了一种两阶段混合拾取模型,分两步进行震相拾取。首先构建CNGNet模型检测地震事件;其次构建GPkNet模型并引入自注意力机制,对检测到的地震事件进行P波到时的精确拾取。用于网络训练和验证测试的数据来源于2019年加利福尼亚州地震序列的20个台站的连续波形。在测试集上,地震事件检测的精确率和召回率都达到99%以上,P波拾取到时的估计误差为0.019秒。

一种适于存在极性反转的微震初至到时拾取方法

地面微震监测资料的信噪比往往很低,从中识别微震事件和拾取微震到时数据仍然是个难题。当不同道的微震存在初至极性反转时,常用的多道微震记录波形相似系数函数会导致微震事件的识别与拾取遗漏。为此,提出一种适于存在极性反转的微震初至到时拾取方法。利用所有道两两之间的互相关函数最大幅值对应的延时数据,求取各道微震事件的相对到时;用各道的相对到时对微震事件初至到时进行时差校正后,利用相邻道零延迟相乘再叠加得到参考道,并用长短时窗能量均值比(STA/LTA)算法确定参考道上微震初至到时;最后,将各道的微震相对到时分别与参考道初至到时相加得到各道微震的绝对到时。合成数据和实际资料的处理结果表明,利用相邻道零延迟相乘能有效克服初至极性反转对微震识别和初至拾取带来的不利影响,为微震事件识别和到时拾取提供信噪比较高的参考道,提高了微震事件识别和初至到时拾取的精度。

基于深度信念神经网络的微震波到时拾取方法

微震信号到时的准确拾取是进行震源定位等技术的基础。传统的到时拾取方法大多依赖于人工干预,对采集数据信噪比的要求较高。为了提高低信噪比中微弱信号的拾取准确率,提出一种基于S变换和深度信念神经网络的拾取方法。该网络模型训练分两步进行,首先对经S变换处理过的原始数据利用受限玻尔兹曼机进行无监督预训练,得到网络模型参数的初值;再通过误差反向传播来微调网络参数,构建最终的深度信念神经网络模型。本次利用训练好的网络对数据进行拾取,并与STA/LTA法的拾取结果进行对比,分析结果表明本文方法有更高的抗噪性。

一种基于波形包络趋势变化的AE信号到时拾取方法

为摆脱参数设置对到时拾取算法准确性和适应性的影响,依据波形的起伏特征提出一种无需事先设置参数的到时拾取方法,该方法以信号包络线趋势变化为依据,首先通过功率谱密度图确定包络线的隐周期,然后通过STL分解获得包络线趋势变化曲线,最后根据MK突变检测自动确定AE信号到时。仿真试验结果表明,在不同强度和不同频率的背景噪音环境下使用本文方法均表现出较高的拾取性能,而应用较多的STA/LTA法在拾取性能上明显表现出对参数设置的依赖。在广西盘龙铅锌矿地压监控实测信号中的应用结果表明,本文方法能准确判别监测信号中有无声发射并准确拾取到时。该方法为矿山地压实测信号的到时拾取提供了一种新的思路。

基于波形参数的微震P波到时拾取值质量控制方法

微震事件中常常包含一些异常信号、强噪声干扰信号和弱信号,这些通道信号的P波到时自动拾取精度往往很低,甚至拾取错误。目前国内外微震监测系统进行自动定位时,并不对各个P波到时拾取值预先筛选,而需要技术人员手动剔除或修正部分无效P波到时,然后才能进行正确定位。为此,首先引入了一种Akaike信息准则(AIC)两步骤拾取算法,并基于某深埋隧道微震监测案例定量分析了P波到时拾取误差与震源定位精度之间的关系,从而引入了P波到时拾取值容许误差的概念。然后,利用AIC两步骤拾取算法拾取微震波形的P波到时,并计算各项波形参数,进行大量统计,深入研究了影响P波到时拾取精度的波形参数。以容许误差为基准,将P波到时拾取值分为有效(标签为1)和无效(标签为-1)两类,并以相应的波形参数为数据输入,采用支持向量机方法(SVM)训练数据,最终建立了P波到时拾取值质量控制模型。实际应用表明:P波到时拾取值质量控制方法能有效剔除错误拾取值,从而大幅度提高数据自动处理效率和震源定位精度。

微震P波到时拾取的PAI-k-MFV算法改进及应用

为了充分发挥PAI-k-MFV算法参数自适应的优势,同时提高P波到时正确拾取率和拾取精度,通过引入STA/LTA算法和改进MFV准则,对PAI-k-MFV算法进行改进。首先,根据预先设置的时窗长度和置信概率的取值范围及步长,采用PAI-k算法拾取得到一组P波到时集;然后,运用STA/LTA算法初步计算P波到时区间,并将到时集中不在该区间内的到时元素剔除,得到更新后的到时集;最后,在新到时集的基础上,根据改进的最大频遇值(MMFV)准则最终确定P波到时。改进算法继承了PAI-k-MFV算法的参数自适应优点,无需人为调整太多参数,同时能够有效克服原MFV准则容易失效和拾取点滞后真实到时点等问题。对比其他算法,改进算法在拾取背景噪声段有强噪声的微震信号和弱微震信号P波到时具有明显优势。利用改进算法和PAI-k-MFV算法拾取冬瓜山铜矿115个实测低信噪比微震信号的P波到时,以人工拾取结果为参考标准,误差在5ms以内(对应30个采样点)视为正确拾取,结果显示:改进算法正确拾取率为96.52%,正确拾取的到时误差绝对值均值为1.1 ms,标准差为1.0 ms;较PAI-k-MFV算法,正确拾取率和拾取精度都大幅度提高。

3种远震P波到时拾取方法的比较及其参数优化

分析了自回归赤池信息准则(AR-AIC)、高阶统计量(HOS)和累积和(CUSUM)等3种到时拾取方法中参数对远震P波到时估计的影响,以450个远震P波信号为样本集,参考人工拾取到时,以网格搜索方式确定了每种方法的最优参数。之后重新选取信噪比处于[2,20]区间的100个远震P波信号,用确定最优参数后的3种到时拾取方法估计其P波初至时间,并比较了3种方法对低信噪比远震P波的拾取准确度。结果表明,AR-AIC方法和CUSUM方法对低信噪比远震P波的拾取准确度要优于HOS方法,CUSUM方法的计算速度最快,HOS方法由于其原理的限制更适用于信噪比较大、初动较尖锐的信号。

基于时域分析法的微震波到时拾取研究

微震波到时拾取是实现微震监测精确定位与实时预警的必要前提。在收集整理国内外相关资料的基础上,从微震波的波形特征、到时拾取方法等方面总结了目前微震波到时拾取方法的优缺点,指出不准确的特征函数与经验性的阈值参数是导致微震波到时拾取存在较大误差的原因。到时拾取算法需要与现场微震定位相互验证,并根据波形特征建立自适应信噪比具有调节性的特征函数。将STA/LTA法与AIC法相结合,提高了微震波到时拾取速度与准确性,实现了微震监测的时效性,更适用于工程应用。

公路隧道微震监测信号到时拾取研究

依托某公路隧道工程中的微震监测信号,从微震波的波形特征等方面总结分析了目前微震波到时拾取方法的优缺点,通过对依托工程微震监测信号采用多种到时拾取方法对比分析可知,将STA/LTA法与AIC法有机结合,可实现数据的快速处理与高效拾取,具有重要的工程应用价值。

基于深度迁移学习的矿山微震到时精确拾取与自动定位策略

矿山智能化建设大背景下,微震监测作为冲击地压等复杂动力灾害智能预警体系建设的基础保障技术现已得到广泛应用,如何基于微震监测数据实现矿山动力事件的高效精确捕捉与定位是当前研究的重点与难点。为解决矿山低信噪比震动波到时自动拾取不准、定位结果受人为因素干扰等问题,结合大数据与深度学习相关理论与方法,初步尝试建立基于深度迁移学习的矿山微震实时自动定位方法。设计了基于百万条地震波数据的矿山微震到时自动拾取初始模型,为进一步使该模型适用于矿山微震定位与信息解析,结合所建立的一万余条矿山微震到时拾取数据集,构建了矿山震动波到时自动拾取模型,实现矿山震动波P波到时自动精准拾取。在此基础上,设计了微震定位台站自动优选方法,提出定位台站波速自动微调策略,实现了矿山微震事件自动精准定位。以内蒙古某煤矿强开采扰动工作面的顶板爆破数据为验证对象,结果证明自动定位算法在水平空间平均定位误差为27.88 m,三维空间平均定位误差为28.40 m,满足矿山冲击地压等动力灾害的微震定位精度需求,有效降低台站波速标定精度不足对事件定位误差的影响,鲁棒性较强,并将耗时数分钟的人工定位缩短至200 ms内完成,初步实现了矿山微震事件的自动实时定位。研究结果可为矿山动力灾害微震信息准确解析挖掘与智能预警提供可靠技术支撑。

基于改进小波阈值去噪与分形盒维数的矿山微震初至波到时拾取研究

微震初至波到时精确拾取是提高震源定位精度的关键因素。针对传统初至波到时拾取算法易受信噪比影响而检测不准的问题,基于小波变换多尺度分析与分形盒维数描述信号复杂性和不规则性的特点,提出了一种改进型小波阈值去噪与分形盒维数拾取相结合的微震初至波到时高精度拾取算法。该算法通过构造一个可调参数阈值函数来确定阈值和选取自适应阈值规则,对微震信号进行有效降噪,在计算盒维数曲线提取到时,实现了初至波到时的精确检测。试验结果表明,所提算法在低信噪比条件下,微震初至波到时拾取精度优于3.6 ms,拾取精度相比传统能量比法和赤池信息准则法有明显提高。

LSTM神经网络拾取地震P波到时

震相到时拾取是地震学的一个基础问题,本文针对该问题发展了地震P波到时自动拾取的LSTM神经网络方法。该方法将到时问题转化成到时标签化后的概率问题,建立了一个4层网络模型,利用朝鲜核爆地震垂向数据进行了模型的训练,成功对后续核爆地震P波到时做出准确的拾取,且该方法对一定信噪比的数据仍具有一定适应性。通过对添加不同程度噪声的随机截取的输入数据进行可靠性分析,结果表明需要输入P波之后10s以上的波形才能有稳定的拾取结果。该方法作为一种人工智能的方法,为波形到时自动拾取提供了新的方法。

基于质量寻优与归一化STA/LTA方法的微震P波到时拾取技术研究

微震信号P波初至拾取是微震数据处理的关键步骤之一。为了实现微震信号P波初至到时的精确拾取,针对微震信号不同信道各时段受噪声污染程度不同的特点,使用归一化后的信噪比、信号的明显程度和信号初至起跳点的明显程度叠加的信噪指数代替单一信噪比来量化微震信号的质量。以信噪指数作为判定条件选取质量较高的信号作为输入来提高P波到时准确度,设计一种基于质量寻优与归一化STA/LTA方法的微震P波初至到时拾取算法(QONSL方法)。为了验证该方法的可行性和有效性,分别对测试数据和阜新市五龙矿微震监测数据进行处理。对测试数据的处理结果表明,在量化微震信号的质量时,信噪指数比信噪比更准确,且信噪指数越大,到时拾取结果越接近准确到时。对阜新市五龙矿三分向数据处理结果表明,QONSL方法可以通过信噪指数快速锁定信号质量较高的信号通道并快速拾取微震P波初至到时,综合120个微震信号的到时拾取结果来看,与准确到时的误差保持在5 ms之内,将86个微震事件的到时误差控制在2 ms以内。与STA/LTA算法相比,QONSL算法拾取精度整体提升72%,整体误差范围波动减少75%。QONSL方法受噪声影响较小,具有较高的拾取效率和精度,可为煤层水力压裂、矿山动力灾害实时监测以及后续的微震自动高精度定位计算提供参考。

基于时频分析的微震P波和S波到时联合拾取方法

微震信号到时的精确拾取是震源定位的重要前提,准确获取微震信号P波、S波到时具有重要理论意义。基于时频分析原理与到时拾取原理,提出了基于时频分析的下山比较法。该方法的时频分析原理通过语谱图、功率密度谱图、连续两次FIR带通滤波获取了背景噪声的位置和规律、P波和S波初至前后微震信号的频率、振幅、能量变化以及光滑且利于迭代平均值比较的波形。该方法的到时拾取原理通过将全子波振幅的数学期望设置为阈值,并遵循P波和S波功率大小、到达先后、波形重叠三大关系迭代比较微震信号子波振幅,从而获得P波精确到时和S波峰值到时。利用模型试验比较了该方法较改进长短时窗(STA/LTA)方法的优越性,并在工程实例中获得验证。结果表明:该方法对比改进STA/LTA方法,前者可同时拾取P波精确到时与S波峰值到时而后者只能拾取P波精确到时,前者P波平均时差、标准差分别为后者的6.18‰、3.98‰,前者单次拾取所需平均计算时间、标准差分别为后者的43.99%、10.54%,前者到时拾取失败比例为0,而后者为15.63%。