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.     

一种微震震相到时自动拾取方法

震相初至到时的自动拾取是微震监测中一个关键问题,是实现震源定位及震源机制解释的前提和基础。针对微震信号固有的低信噪比、非线性、非平稳等特征,提出了一种震相初至自动拾取方法。首先,应用小波阈值降噪法对采集到的含噪微震信号进行降噪处理,降低人工采集时机械类振动噪声对微震震相初至拾取的干扰;然后使用STA/LTA对降噪后的微震信号进行预拾取,获得震相初至的大致时刻;以该时刻为基准,分别向前向后各截取500个采样点构成一个时间窗口,在该时间窗口内应用AIC准则法精确求取震相初至。为验证本文方法的有效性,以人工拾取的到时为基准,误差在±10ms之内视为准确拾取。实验结果显示,本文方法对低信噪比微震信号拾取的准确率为95.79%,较单纯使用STA/LTA及AIC方法准确率分别提高了9.78%及10.08%。     

单分量微地震信号的P波S波到时自动拾取方法

 单分量传感器依然是目前矿山中应用最广泛的传感器。针对矿山每天采集到的大量信号,提出了一种针对单分量微地震信号的P 波S 波到时拾取算法。长短时窗均值比法(STA/LTA)可以用来检测信号的变化趋势,结合改进的特征函数对信号的几何特征予以加强,进而可以提高震相识别的精度。随着长短时窗的滑动,信号的变化趋势表现在走势图上,再利用震相到时判别阈值可以初步定位到P 波S 波的到时区间。初步确定到时区间后,分别在P 波S 波的到时区间内应用AR-AIC 准则,可以计算出信号发生突变的位置,这两个点即对应着P 波S 波的到时。结合时差阈值判别和时频图谱,对拾取的结果再次做检验。经过两次判别,有效地提高了该算法的拾取精度。通过对1000 多条单分量微地震信号进行验证,自动拾取能拾取到71%的P 波到时和79%的S 波到时,相同条件下,自动拾取的结果不低于手动拾取的精度,满足矿山应用的要求。     

基于STA/LTA的输油管道泄漏检测方法

研究了将微震检测中的STA/LTA方法与负压波检测法相结合,并应用于输油管道泄漏检测的技术方法.根据管道泄漏时产生的负压波波形与微震信号初至的相似性,可利用STA/LTA方法对该特征波形进行准确的提取和捕捉,并通过对比管道首末站检测到该特征波形的时间差,对泄漏点位置进行定位.研究表明该方法可有效识别突变的负压波信号,并减少传统泄漏检测方法中小波变换等信号处理方法带来的计算复杂性.室内实验结果表明,将STA/LTA应用于输油管道泄漏检测具备可行性且能够有效识别负压波信号.     

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。     

利用偏振约束对最小信息准则方法自动拾取微震初至的改进

初至拾取是影响微震事件分析精度的重要因素之一。本文结合微震事件偏振特性和最小信息准则(akaike information criterion,AIC)函数特性,提出了一种利用偏振约束实现AIC初至拾取的改进方法:可以将偏振特征值拾取微震初至的应用扩展至单分量的微震数据,该方法将单分量微震数据视为三分量微震数据的一种特殊形式,利用三分量微震数据协方差矩阵的最大值序列对AIC方法进行约束,从而快速准确的拾取到微震数据的初至。文中应用该方法对不同信噪比的合成数据和实测数据进行了验证,同时与长短时平均(short time average/long time average,STA/LTA)、Maeda-AIC和偏振特征值方法进行了对比,结果显示该算法速度略低于上述3种方法,但精度和可靠性优于其他三种方法,同时与其他改进算法对比,不用设置阈值,并且选取时窗的长短对拾取结果几乎没有影响,可极大地提高算法的自动化程度。     

利用偏振约束对AIC方法自动拾取微震初至的改进

初至拾取是影响微震事件分析精度的重要因素之一。本文结合微震事件偏振特性和AIC（Akaike Information Criterion, 最小信息准则）函数特性,提出了一种利用偏振约束实现AIC初至拾取的改进方法：可以将偏振分析拾取微震初至的应用扩展至单分量的微震数据,该方法将单分量微震数据视为三分量微震数据的一种特殊形式,利用三分量微震数据协方差矩阵的最大值序列对AIC方法进行约束,从而快速准确的拾取到微震数据的初至。文中应用该方法对不同信噪比的合成数据和实测数据进行了验证,同时与STA/LTA（Short Time Average/ Long Time Average,长短时平均）、Maeda-AIC和偏振分析方法进行了对比,结果显示该算法速度略低于上述三种方法,但精度和可靠性优于其他三种方法,同时与其他改进算法对比,不用设置阈值,并且选取时窗的长短对拾取结果几乎没有影响,可极大的提高算法的自动化程度。     

改进双向LSTM的地震震相拾取算法

为了更好地提升识别精度和算法的适应性,针对传统波形检测算法存在依赖人工设定阈值以及震相拾取的精度偏低等问题,提出了一种基于改进双向LSTM的震相拾取算法。该方法利用滤波、归一化、加噪等方式对原始波形数据进行预处理,通过双向LSTM模型对地震信号数据进行自适应深层特征提取;同时为解决双向LSTM模型存在的过拟合问题,引入Spatial-Dropout机制在随机区域对双向LSTM模型进行稀疏性约束;最后引入Time-Distributed机制从时域维度针对事件-噪声的二分类问题自动判定P波到时,并在相关地震数据集上进行对比实验。结果表明:模型对P波拾取的准确率达90%,P波拾取的精确度达80%,与LSTM和GRU等传统RNN网络模型相比,精确度分别提高了6%和5%.同时,该模型不需要人工设定阈值,并且对复杂波形数据的P波拾取问题具有较强的鲁棒性。     

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。     

WSD-SVM在工作面底板破坏深度微震事件自动识别中的应用

为解决煤矿微震事件识别中效率低、精度低、可靠性差的问题,将小波散射分解变换与支持向量机相结合,构建微震事件的WSD-SVM智能识别模型。首先,通过小波散射分解变换将微震监测数据分解成高、低频部分,并计算得到小波散射系数,构成散射特征矩阵;然后,选择70%的数据输入支持向量机模型进行训练,用得到的识别模型对其余30%的数据进行测试验证,获得识别结果。将山西保德煤矿某工作面微震监测时序数据作为实例,结果表明：WSD-SVM模型能够自动识别全部6个微震事件,用时1.651 s;而传统STA/LTA算法虽然仅用时0.731 s,但未能有效识别出其中的3个低信噪比事件,WSD-SVM模型的自动识别精度高于STA/LTA算法模型识别的精度,但需要较长的计算时长。小波散射分解变换方法的引入能够有效实现监测数据降维,大幅提高识别精度,为微震事件的自动识别提供了新思路。     

人工智能在拾取地震P波初至中的应用 ——以汶川地震余震序列为例

为了准确而迅速地拾取大量地震事件的P波初至, 将深度学习方法引入微地震P波初至到时拾取研究中, 对卷积神经网络的结构进行改造, 以便适应地震波形数据的特点 P波初至拾取的要求。该算法只需要输入10 s窗口的三分量地震波形数据, 就可以自动地判定P波初至时刻, 无需扫描连续波形, 运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时, 将得到的模型对测试集中 1867条数据的计算结果与人工拾取结果对比, 误差小于0.5 s者占比达到98.9%。在低信噪比条件下, 该方法仍能保持较好的拾取能力。     

小波分析与振幅比法联合拾取P波初至时间

振幅比法是一种准确有效的初至拾取方法,但是振幅比法在信噪比偏低时会产生误判现象。针对这种情况,提出了小波分析与振幅比法联合拾取P波初至时间的方法。小波-振幅比法是将小波分析与振幅比法结合起来,首先对爆破信号进行小波去噪,基于小波分析的滤噪理论包括信号分解、各分解层次硬阈值去噪与信号重构三个步骤,提高了爆破信号的信噪比,最后使用振幅比法拾取P波初至时间。以2014年7月28日11时监测到的一个矿震事件为例,用小波-振幅比联合方法准确拾取爆破信号P波初至时间,计算得出x、y、z三个方向的定位误差小于42米,符合空间位置定位（x,y,z误差小于50米）的要求;说明了通过小波滤噪方法可以有效提高爆破信号信噪比并且提高了P波到时拾取的准确度,提高了定位精度,具有较好的应用前景。     

微震信号初至拾取的AIC算法及其分析

为了提高微震信号P波初至到时的拾取精度,对微震信号初至拾取的赤池信息量准则(AIC)算法包括AR-AIC算法、VAR-AIC算法进行分析和对比,给出AR模型阶数M、特征函数、时窗长度对拾取结果影响及其选取规律。结果表明:AR模型阶数M对AR-AIC算法的计算精度和计算速度有较大影响,AR模型阶数M越大,算法计算速度越慢,AR模型阶数M应选择AIC(M)最小值时的阶数M或者选择AIC(M)最小值稍前的阶数M;特征函数、时窗长度对VAR-AIC算法的计算精度有影响,特征函数建议选择CF₄,时窗长度建议选择600～1 000个采样点,时窗结束时刻为信号最大振幅值时刻,开始时刻为信号最大振幅时刻向前移动600～1 000个采样点。     

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。     

基于因素分布模型的微震定位精度敏感性分析

根据微震定位方程,基于误差最小原理,构造微震定位精度敏感性评价的输入输出数学模型,选取震源点到各检波器之间距离测量误差、微震波波速标定误差和信号到时拾取误差3个影响因素作为分析因子。从信息熵的角度,分析因素分布密度函数,并通过泛函变分求得相应表达式。采用正交法设计16组方案,根据分布函数求取因素各水平值,进行全局敏感性分析。研究结果表明:3个因子取值在给定区间内均符合均匀分布;无论是对内场震源点还是外场震源点,微震波波速误差,是对定位结果影响最大的因素,各因子对定位精度影响的主次顺序为:Ve,Te,De;对于内场震源点,3个因素对定位精度均有高度显著影响。但对于外场震源点,可能由于因素之间的交互作用或者试验误差影响,仅微震波波速标定误差对定位精度有高度显著影响。相关研究可为微震监测的准确定位等提供针对性指导。     

基于波形互相关的微地震事件自动识别及初至拾取

根据具有相似震源位置及破裂机理的微地震事件通常在地震记录上表现出相似波形特征的原理, 提出一种基于波形互相关的微地震事件自动识别及初至拾取方法。首先, 通过计算道间互相关函数, 对微地震记录进行时差校正; 然后, 通过计算道间相似系数的方法识别连续地震记录中的微地震事件。在完成事件识别的同时, 对时差校正后的多道记录进行叠加, 并采用STA/LTA方法对叠加道进行初至拾取, 结合各道间的时差信息即可获得各道微地震事件的初至到时。为了检验所提方法的可行性和有效性, 分别对模型数据和实际资料进行处理,结果表明利用所提方法可以在有效地识别微地震事件的同时, 得到较为准确的初至拾取结果。     

甘肃省测震台网区域速度模型计算研究

本文介绍了甘肃地区已有的区域速度模型,并对本区域近震震相特征和典型地震图进行了详细分析,主要是震中距1000km范围内各类震相特征以及到时数据。并利用数字化台网记录以来新的地震资料重新计算研究了一维速度模型,具体使用直线线性拟合方法对甘肃地区2009年1月1日到2014年6月30日M≥3.0级以上的81个地震的Pg波和Pn进行统计计算,并从81个地震事件中寻找Pb震相,最终找到41个震相清楚的Pb震相用来拟合波速,最终计算结果为Vpg=6.09km/s,Vpb=6.38km/s,Vpn=8.16 km/s。本文研究成果为甘肃测震台网定位模型提供了新的参考依据。     

SS前驱震相有限频效应研究

首先, 根据有限频原理计算SS前驱震相的边界敏感核, 分析SS前驱震相对间断面起伏状况的敏感性。然后, 利用SPECFEM软件正演间断面存在起伏扰动下的SS前驱震相波形, 得到其到时扰动量, 与利用有限频敏感核计算得到的到时扰动量相比较, 说明有限频理论可以较好地解释SS前驱震相的波前愈合效应。最后, 利用边界敏感核反演界面起伏状况, 展示当考虑SS前驱震相的有限频效应时, 可以更好地恢复界面起伏的真实状况。研究结果为正确利用SS前驱震相反演地幔间断面起伏提供了必要的基础。     

小波模极大值方法与地震P波到时

地震P波到时是地震研究领域中的一个重要问题,小波模极大值方法是研究函数变点的有利工具.将小波模极大值法用于地震P波到时的研究,需要消除随机干扰因素的影响.这里提出先基于标准差消除部分由随机干扰所产生的小波模极大值,然后通过窗口能量比因子识别P波到时的途径.数据分析结果表明这种途径识别P波到时效果更好.     

基于SNR方法的地震震相识别研究

在本研究中,使用基于信号噪声比即(SNR)方法来准确拾取地震震相到时。该方法本质上是将传统的特征函数搜索与简单一维速度模型反演相结合。当速度误差在一定的允许范围内,将特征函数限制在一定范围内搜索,从而避免了与理论到时相差较大误差。从甘肃省台网测震目录中选取2013年1月-2018年3月期间2654个地震作为测试数据,结果显示SNR方法识别震相方法与人工识别震相方法整体误差在5%左右,基本可以取代人工结果,从而减少人为工作量。