基于自适应VMD算法的高速铁路地震信号分析

高速铁路以确定的长度和负载在固定线路上以几乎均匀的速度长时间运行,构成了一种新的稳定且可重复的人工地震源。研究表明高速铁路地震信号具有宽频带分立谱特征。挖掘大量高速铁路地震信号中所包含的丰富信息在高速铁路运行和路基的安全监测方面具有重要的应用价值。然而,由于铁路网络系统周围环境的复杂性,实际采集数据中除高铁地震信号外,还包含有地球背景噪声以及各种人类活动所产生的噪声。如何提取实际记录中的高铁地震信号是有效利用该类信号的基础和关键。在本文中,我们提出了一种基于自适应变分模态分解(Variational mode decomposition,VMD)的高速铁路地震信号分离算法,将优化算法引入到变分模态分解中,利用能量差参数和样本熵构建适应度函数,实现对模态数及惩罚因子优化调整。此外,利用同步挤压小波变换(Synchrosqueezed wavelet transform,SSWT)对提取的高速铁路信号和现场数据进行时频分析。通过对模拟信号的处理验证后,应用到实际采集到的高铁地震数据进行分析处理。结果表明,该方法可以有效提取高铁地震信号,剔除其它背景噪声,为后续开展高铁地震的成像和反演提供基础。

全走时反演及其应用

波动方程速度建模方法是利用地震数据或成像道集中的旅行时信息或运动学特征自动反演出背景速度模型,但是已有方法普遍面临一个严重的问题,即反演过程无法避免受振幅信息的影响。为此,提出了一种基于波动方程的旅行时反演方法,称之为全走时(即完全依赖于走时信息)反演,从地震数据中自动估计出运动学意义上正确的速度模型,其核心思想是使反演完全依赖于走时信息,从而防止反演受到振幅信息的干扰。基于速度扰动只产生旅行时变化这一假设,介绍了数据域和成像域两种全走时反演方法,分别对应透射波和反射波走时反演。全走时反演不需要准确的初始速度模型和地震数据中的低频信息。理论模型和实际资料测试结果表明,全走时反演在常速度初始模型的情况下也能得到令人满意的反演结果。