基于U-Net的矿山微震初至拾取研究

初至到时拾取是微震数据处理中基础而又重要的环节,关系到整个微震监测系统的精度与可靠性。因此,为了解决传统初至拾取方法存在拾取效率低和拾取精度差的问题,引入深度学习方法,构建U型神经网络(U-Net)来预测三分量矿山微震数据P波、S波和噪声的概率分布,并根据概率峰值提取其初至到达时间。实验结果表明：本文算法的拾取结果准确度高且误差范围较小,与AR pick (auto regression pick)算法相比,其拾取结果具有明显的优越性。所构建的初至拾取模型可用于矿山动力灾害微震监测,解决微震监测的瓶颈问题,为矿山安全生产风险智能监测预警提供强力技术支撑。