首页 / 专利库 / 人工智能 / 机器学习 / 监督学习 / 微震信号到时差的自动拾取方法

微震信号到时差的自动拾取方法

阅读:372发布:2020-05-12

专利汇可以提供微震信号到时差的自动拾取方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种微震 信号 到时差的自动拾取方法,包括采用双 传感器 采集微震信号;对微震信号进行交叉 小波变换 ;将交叉小波变换结果分解为 能量 谱和 相位 谱;对能量谱和相位谱进行自编码;将数据输入到神经网络进行计算,结果即为最终的微震信号到时差的拾取结果。因此本发明方法在计算到时差时,无需单独拾取到时再作差,避免了单独拾取到时的两次误差引入;使用同源信号的相似特性,和 深度学习 善于提取图像特征信息的优势匹配信号相似度,准确识别同源信号,求取更准确的到时差;而且本发明方法可靠性高、精确度高且简单方便。,下面是微震信号到时差的自动拾取方法专利的具体信息内容。

1.一种微震信号到时差的自动拾取方法,包括如下步骤:
S1.采用双传感器采集微震信号;
S2.对步骤S1获取的两个微震信号进行交叉小波变换
S3.将步骤S2得到的交叉小波变换结果分解为能量谱和相位谱;
S4.对步骤S3得到的能量谱和相位谱进行自编码,从而降低数据的维度;
S5.将步骤S4得到的降维后的数据输入到神经网络进行计算;
S6.神经网络的计算输出结果即为最终的微震信号到时差的拾取结果。
2.根据权利要求1所述的微震信号到时差的自动拾取方法,其特征在于步骤S1所述的采用双传感器采集微震信号,具体为采用两个同类型传感器A和B,布置在矿山的不同位置L1和L2,传感器A采集L1点的微震信号,传感器B采集L2点的微震信号。
3.根据权利要求2所述的微震信号到时差的自动拾取方法,其特征在于步骤S2所述的对获取的两个微震信号进行交叉小波变换,具体为采用如下算式进行交叉小波变换:
WTxy(u,s)=WTx(u,s)(WTy(u,s))*
式中WTxy(u,s)为交叉小波变换的结果,WTx(u,s)为对第一微震信号x(t)进行变换,WTy(u,s)为对第二微震信号y(t)进行变换,(WTy(u,s))*为第二对微震信号y(t)的变换结果WTy(u,s)取复数共轭操作; a为x或y,其中δt为常
数,s为尺度因子,u为平移参数,N为信号的总采样点数,ψ0(η)为母小波且j为虚数单位。
4.根据权利要求3所述的微震信号到时差的自动拾取方法,其特征在于步骤S3所述的将交叉小波变换结果分解为能量谱和相位谱,具体为采用如下公式计算能量谱和相位谱:
E=|WTxy(u,s)|2
式中E为能量谱, 为相位谱,arg()为求取复数辐的函数。
5.根据权利要求1~4之一所述的微震信号到时差的自动拾取方法,其特征在于步骤S4所述的对能量谱和相位谱进行自编码,具体为采用autoencoder算法对能量谱和相位谱进行自编码。
6.根据权利要求5所述的微震信号到时差的自动拾取方法,其特征在于所述的autoencoder算法的隐藏层神经元数据为100。
7.根据权利要求1~4之一所述的微震信号到时差的自动拾取方法,其特征在于步骤S5所述的神经网络,为BP神经网络。
8.根据权利要求7所述的微震信号到时差的自动拾取方法,其特征在于所述的BP神经网络的隐含层神经元数据为20。
9.根据权利要求8所述的微震信号到时差的自动拾取方法,其特征在于所述的BP神经网络为经过了采用人工分析得到的数据进行监督学习后的BP神经网络。

说明书全文

微震信号到时差的自动拾取方法

技术领域

[0001] 本发明具体涉及一种微震信号到时差的自动拾取方法。

背景技术

[0002] 随着经济技术的发展,人们对于自然的认识和研究也越来越深入。
[0003] 微震,是指由岩石破裂或流体扰动产生微小的震动。广义上的微震可以分为两大类:工程生产上的微震(microseism)和自然产生的微地震(microearthquake)。对于微震的研究,有助于人们对于地震、人工震动等的理解和研究,因此对于微震的研究就显得额外重要。
[0004] 微地震记录的特点是频率高、信噪比低,因此微地震事件的自动识别和初至到时拾取对实现海量微地震数据的自动处理有重要意义。对于天然地震事件,已提出了多种自动识别方法。而与天然地震的记录相比,微震的震级更小,通常在1级以下,而且信噪比更低,因此对微地震事件的识别更加困难。
[0005] 目前常用的微震信号到时差记录方法,记录的精度较差,已经不再适用于目前越来越深入和精确的微震研究。

发明内容

[0006] 本发明的目的在于提供一种可靠性高、精确度高且简单方便的微震信号到时差的自动拾取方法。
[0007] 本发明提供的这种微震信号到时差的自动拾取方法,包括如下步骤:
[0008] S1.采用双传感器采集微震信号;
[0009] S2.对步骤S1获取的两个微震信号进行交叉小波变换
[0010] S3.将步骤S2得到的交叉小波变换结果分解为能量谱和相位谱;
[0011] S4.对步骤S3得到的能量谱和相位谱进行自编码,从而降低数据的维度;
[0012] S5.将步骤S4得到的降维后的数据输入到神经网络进行计算;
[0013] S6.神经网络的计算输出结果即为最终的微震信号到时差的拾取结果。
[0014] 步骤S1所述的采用双传感器采集微震信号,具体为采用两个同类型传感器A和B,布置在矿山的不同位置L1和L2,传感器A采集L1点的微震信号,传感器B采集L2点的微震信号。
[0015] 步骤S2所述的对获取的两个微震信号进行交叉小波变换,具体为采用如下算式进行交叉小波变换:
[0016] WTxy(u,s)=WTx(u,s)(WTy(u,s))*
[0017] 式中WTxy(u,s)为交叉小波变换的结果,WTx(u,s)为对第一微震信号x(t)进行变换,WTy(u,s)为对第二微震信号y(t)进行变换,(WTy(u,s))*为第二对微震信号y(t)的变换结果WTy(u,s)取复数共轭操作; a为x或y,其中δt为常数,s为尺度因子,u为平移参数,N为信号的总采样点数,ψ0(η)为母小波且j为虚数单位。
[0018] 步骤S3所述的将交叉小波变换结果分解为能量谱和相位谱,具体为采用如下公式计算能量谱和相位谱:
[0019] E=|WTxy(u,s)|2
[0020]
[0021] 式中E为能量谱, 为相位谱,arg()为求取复数辐的函数。
[0022] 步骤S4所述的对能量谱和相位谱进行自编码,具体为采用autoencoder算法对能量谱和相位谱进行自编码。
[0023] 所述的autoencoder算法的隐藏层神经元数据为100。
[0024] 步骤S5所述的神经网络,为BP神经网络。
[0025] 所述的BP神经网络的隐含层神经元数据为20。
[0026] 所述的BP神经网络为经过了采用人工分析得到的数据进行监督学习后的BP神经网络。
[0027] 本发明提供的这种微震信号到时差的自动拾取方法,通过采用交叉小波变换将两个信号片段转化为图像信息,同时采用autocoder提取图像特征,最后采用BP神经网络做特征到时差的拟合。因此本发明方法在计算到时差时,无需单独拾取到时再作差,避免了单独拾取到时的两次误差引入;使用同源信号的相似特性,和深度学习善于提取图像特征信息的优势匹配信号相似度,准确识别同源信号,求取更准确的到时差;而且本发明方法可靠性高、精确度高且简单方便。附图说明
[0028] 图1为本发明方法的方法流程图

具体实施方式

[0029] 如图所示为本发明方法的方法流程图:本发明提供的这种微震信号到时差的自动拾取方法,包括如下步骤:
[0030] S1.采用双传感器采集微震信号;具体为采用两个同类型传感器A和B,布置在矿山的不同位置L1和L2,传感器A采集L1点的微震信号,传感器B采集L2点的微震信号;
[0031] S2.对步骤S1获取的两个微震信号进行交叉小波变换;具体为采用如下算式进行交叉小波变换:
[0032] WTxy(u,s)=WTx(u,s)(WTy(u,s))*
[0033] 式中WTxy(u,s)为交叉小波变换的结果,WTx(u,s)为对第一微震信号x(t)进行变换,WTy(u,s)为对第二微震信号y(t)进行变换,(WTy(u,s))*为第二对微震信号y(t)的变换结果WTy(u,s)取复数共轭操作; a为x或y,其中δt为常数,s为尺度因子,u为平移参数,N为信号的总采样点数,ψ0(η)为母小波且j为虚数单位;
[0034] S3.将步骤S2得到的交叉小波变换结果分解为能量谱和相位谱;具体为采用如下公式计算能量谱和相位谱:
[0035] E=|WTxy(u,s)|2
[0036]
[0037] 式中E为能量谱, 为相位谱,arg()为求取复数辐角的函数;
[0038] S4.对步骤S3得到的能量谱和相位谱进行自编码,从而降低数据的维度;
[0039] 在具体实施时,优选为采用autoencoder算法对能量谱和相位谱进行自编码,同时autoencoder算法的隐藏层神经元数据为100;
[0040] S5.将步骤S4得到的降维后的数据输入到神经网络进行计算;
[0041] 在具体实施时,神经网络优选为BP神经网络,BP神经网络的隐含层神经元数据为20;而且,神经网络在使用前必须采用人工分析得到的数据进行监督学习;
[0042] S6.神经网络的计算输出结果即为最终的微震信号到时差的拾取结果。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈