基于 Shearlet-AIC 算法的微地震初至拾取

初至拾取是微地震数据处理的基本步骤及重要环节,在低信噪比情况下,传统的初至拾取方法性能不佳,无法满足实际需求。为此,提出一种新算法,该算法将时域 微 地 震 数 据 映 射 到 Shearlet 域,利 用 AIC(Akaike Information Criterion) 模型对 Shearlet 域各尺度层的数据实现初步识别,最小 AIC 值作为初至时刻。通过 大量实验验证 Shearlet-AIC 算法在低至 － 13 dB 信噪比下自动拾取的准确性,证实该算法优于传统初至拾取算法,解决了传统初至拾取算法在低信噪比时难以有效拾取微地震初至的难题。     

基于UNet++的地震P波初至拾取研究

基于UNet++对P波初至拾取进行研究,首先对UNet++进行降维,并从网络结构的深度和单个Block的操作两方面对原始网络进行改进;然后给模型选择损失函数和优化器,让模型能够有优化的目标和方向;接着进行数据的预处理,筛选信噪比小于20 dB的数据出来,对其进行小波阈值去噪、归一化处理;最后是训练和验证,选择在验证集上表现最优的一个模型作为最终模型。经过150条测试集数据的测试,证明所使用方法在均值、方差、命中率3项指标上均优于STA/LTA和AR-AIC,其中P波初至拾取的精确率高达98.00%,为P波初至自动拾取提供了一种新思路。     

改进的神经网络并行算法及其在地震初至拾取中的应用

针对经典BP神经网络易于陷入局部极小点、易于产生振荡等缺点,提出了神经网络初始权值的二分法,改进了一种网络结构自动确定算法,并将随机算子和遗忘因子引入BP神经网络中.在提高全局寻优能力的同时,加快了网络的收敛速度.在分析了神经网络内在并行性的基础上,基于MPI实现了改进算法的并行化,将算法应用于地震资料的初至拾取,并取得了良好的应用效果,验证了算法的有效性.     

基于深度学习的井间地震CT初至自动拾取方法

井间地震CT方法能够有效探测岩溶等不良地质,而拾取地震波的初至对其反演结果至关重要.以往井间地震CT初至拾取通过手动标定,效率低,无法满足模型训练要求.本文基于人工源地震初至的时距特征,提出了一种基于深度学习的地震初至训练样本库快速标定方法.利用人工合成数据训练初始网络模型,采用少量人工标定实测数据进一步训练,基于该网络模型对未标定的井间地震实测数据剖面进行初至拾取,采用长短时窗比法修正曲线拟合结果,对仍不理想的拾取结果进行人工判别和改正,并将准确标定数据加入训练集,形成新的网络模型;通过迭代实现数据集再生成并获得后续阶段的网络模型.基于上述方法完成了80 000道数据的初至拾取,在充分训练后神经网络具备较高的拾取精度,采用3840组数据对该模型进行测试,发现预测结果与人工拾取结果对比的绝对误差值小于0.2ms的数据占91.8%,说明该方法是一种切实有效且高效的井间地震CT初至拾取方法.     

基于互相关函数法的海水声速测量方法研究

精准的海水声速测量具有重要意义,高精度的时差估计是使用时差法进行声速测量的关键.针对时差测量精度不高而导致海水声速测量准确性低的问题,本文采用互相关函数法进行时差估计,并利用插值技术提高时差估计精度.该方法利用发射超声波信号与接收超声波信号之间相关性强,超声信号与随机噪声相关性弱的特点,将发射信号和接收信号滤波、去噪后,作互相关处理,计算延时.通过实验可以证明,此方法可提高时差估计精度,进一步可提高时差法测量海水声速的准确性.     

一种基于FPGA的互相关函数加速器设计

为了实现实时高性能目标识别,设计了一种基于FPGA的互相关函数加速器.通过合理的硬件设计与逻辑复用,使互相关函数计算速度得到提升.实验结果表明,加速器可以高速完成互相关函数计算,满足实时高分辨率图像目标识别系统的需求.     

基于Occam反演算法的微地震速度模型反演

为了能够对微地震震源进行精确定位, 需要已知压裂井和监测井所在工区内准确的地层速度模型。针对这一问题, 在采用Occam反演算法的基础上, 提出一种利用初至波的走时差信息代替旅行时进行速度模型反演的方法。利用该方法, 可以在无须已知射孔起始时间的情况下反演得到地层速度模型。通过模型数据的处理以及对结果的分析, 表明虽然受到初至到时拾取误差的影响, 采用上述方法反演得到的速度模型会存在一定的误差, 但利用该模型可以将射孔位置定位到其真实位置附近, 表明该速度模型可用于进行微地震震源定位。     

基于改进的STA/LTA方法的微地震P波自动拾取技术

基于STA/LTA方法,提出了一种改进的自动拾取P波到时算法.引入权重因子K,构建了一种新的特征函数,提出寻找STA/LTA曲线上的最大值对应时刻为P波到时的方法,并运用Matlab对冬瓜山铜矿微震事件进行初至拾取分析.结果表明:该方法能够准确地拾取微地震P波初至,减少了传统的STA/LTA算法需要调整触发阈值(Thr)的过程,克服了固定阈值不能适应复杂多变信号到时拾取的缺点,具有抗噪性强、稳定性强、拾取精确度高等优势.     

基于波形聚类分析的微地震监测事件类型判别及应用

以不同类型微地震监测事件在波形相似性上的差异为基础,结合发生位置、走时规律和偏振方向等方面的特征,提出一种基于波形聚类分析的微地震监测事件类型判别方法。首先使用常规的微地震事件识别算法,快速地得到待分类的疑似事件;然后进行波形聚类分析,结合事件的属性特征,实现对不同类型微地震事件及噪声事件的分类和判别。分类结果可用于波形模板匹配,识别同类的低信噪比微地震事件;还可将所有同类事件作为一个整体,采用全局优化手段提高初至拾取的精度。     

基于动力响应互相关的古建筑木结构损伤识别

提出了基于互相关系数和互相关峰值变化率的古建筑木结构损伤识别和定位方法.以随机振动结构的某一测点为参考点,计算其他各测点与参考点的加速度响应之间的互相关函数,将所有的最大值组成互相关峰值向量(Cross-Correlation Peak Vector,CCPV).以两组CCPV之间的互相关系数作为损伤因子对结构进行损伤...     

一种改进的声发射P波到时自动提取算法

岩石破裂过程中的声发射(AE)监测技术已广泛应用于岩石工程领域,声发射信号的到时提取是深入开展岩石力学声发射研究的基础和关键.为了获取更为准确的声发射信号P波到时,在前人研究的基础上,提出了一种改进的Pphase-Picker声发射P波到时自动提取算法并对其原理进行详细描述.选取1000个典型声发射波形,对比分析了几种到时自动提取算法的计算结果,表明改进的算法不仅可以获取更为精确的P波到时,还可以获取到时提取误差的估计值.     

基于压缩感知的稀疏事件检测

为了提高无线传感器网络中稀疏事件的检测概率,利用压缩感知技术,提出了一种改进的下降迭代检测算法.该算法通过动态调节参数,改变迭代权值,加快了算法收敛速度.实验结果表明:在相同条件下,改进算法的成功检测概率比贝叶斯算法平均提高了13%.     

高密度RFID事件流上的复杂事件检测

由于高密度事件流具有实时性和海量性特点,应用已有的复杂事件检测技术处理时,存在时间效率不高、占用内存空间较大等不足.针对这些问题,提出了一种基于哈希链表结构的复杂事件检测算法.该算法设计有效的哈希映射分类来保存中间结果,加快了匹配过程,同时,提出高效的更新机制及时删除内存中过期的数据.针对常见的事件流的乱序现象,对原有自动机处理机制进行了改进.实验和分析证明,复杂事件流检测方法具有理论上的可行性和操作上的高效性与正确性.     

基于多头指针的司法事件检测方法

针对如何解决中文司法事件检测中触发词与上下文关系不足以判定事件实例、案件触发词表述相似以及同一个案件中多个触发词识别和分类模糊的问题,本研究提出一种基于多头指针的司法事件检测方法。首先,该方法将上下文信息和罪名特征融合作为输入,使用双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)网络捕获数据依赖关系,深入提取特征;然后,使用多头指针网络对字符间的依赖关系进行建模,有效捕捉句子中的触发词;最后,利用指针标注技术抽取触发词,实现司法事件的有效检测。在公开司法数据集LEVEN上实验验证该方法的有效性,其中微平均和宏平均的F1指标达到了87.53%和78.05%,优于现有模型。该方法不仅显著提高了事件触发词的识别精度,而且也增强了对复杂司法文本中事件上下文关系的把握能力。     

基于卷积神经网络和Kmeans的中文新闻事件检测与主题提取

中文新闻事件检测的主要任务是从大量新闻中自动检测出潜在的新事件。人工构建事件特征词进行检测费时费力。单纯依靠密度聚类或谱聚类方法进行事件检测,存在不同事件的触发词相关性高时,容易误判为同一事件。为此,提出基于卷积神经网络和K-means结合的中文新闻事件检测与主题提取,将新闻中的文本向量化,通过深度学习抽取文本深层特征。实验结果表明:所提方法构建的模型准确率、召回率优于单一聚类方法,可对中文新闻事件准确识别,快速检测新事件,提取新事件主题。     

矿山微震信号小波分析与研究

 针对目前人工信号识别技术和傅里叶变换在分析识别矿山微震信号时的局限性,提出Matlab小波工具箱分析方法。首先对矿山实际监测到的干扰矿震信号进行小波变换,对小波分解之后的矿震信号进行频谱分析,结果表明能够准确地观察到信号的突变点,确定矿震信号P波初到时,从而更加精确得出矿震震源的位置和能量大小;其次对受干扰矿震信号进行小波消噪,同时对小波分析的4种阈值降噪方法进行分析对比,发现无偏似然估计阈值效果最好,显示了小波分析的强大消噪功能。研究结果表明,小波分析具有良好的矿震信号识别效果和消噪能力,是矿震信号处理和分析的一种有效方法。