平码五不中公式规律
  • / 6
  • 下载费用:30 金币  

微震信号到时差的自动拾取方法.pdf

关 键 ?#21097;?/dt>
信号 时差 自动 拾取 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201910044199

申请日:

20190117

公开号:

CN109613610A

公开日:

20190412

当前法律状态:

公开

有效性:

审中

法?#19978;?#24773;: 公开
IPC分类号: G01V1/28;G01V1/16 主分类号: G01V1/28;G01V1/16
申请人: 中南大学
发明人: 黄麟淇;李夕兵;石英;王少锋
地址: 410083 湖南省长沙市岳麓区麓山南路932号
优先权:
专利代理机构: 43001 代理人: 周咏;米中业
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201910044199

授权公告号:

法律状态公告日:

20190412

法律状态类型:

公开

摘要

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?#40644;祝?#23545;能量谱和相?#40644;?#36827;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?#30772;?#37197;信号相似度,准确识别同源信号,求取更准确的到时差;而?#20918;?#21457;明方法可靠性高、精确度高且简单方便。

权利要求书

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?#40644;祝?S4.对步骤S3得到的能量谱和相?#40644;?#36827;行自编码,从而?#26723;?#25968;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?#28388;?#24335;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?#26597;?#25805;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?#24863;?#27874;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?#40644;祝?#20855;体为采用如下公式计算能量谱和相?#40644;祝?E=|WTxy(u,s)|2式中E为能量谱,为相?#40644;祝琣rg()为求取复数辐角的函数。 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?#40644;?#36827;行自编码,具体为采用autoencoder算法对能量谱和相?#40644;?#36827;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


微震信号到时差的自动拾取方法
技术领域


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


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。


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。


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?#27704;选?br>

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


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。


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:


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?#40644;祝?br>

S4.对步骤S3得到的能量谱和相?#40644;?#36827;行自编码,从而?#26723;?#25968;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。


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。


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?#28388;?#24335;进
行交叉小波变换:


WT
xy(u,s)=WT
x(u,s)(WT
y(u,s))
*


式中WT
xy(u,s)为交叉小波变换的结果,WT
x(u,s)为对第一微震信号x(t)进行变
换,WT
y(u,s)为对第二微震信号y(t)进行变换,(WT
y(u,s))
*为第二对微震信号y(t)的变换
结果WT
y(u,s)取复数?#26597;?#25805;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,ψ
0(η)为?#24863;?#27874;且

j为虚数单位。


步骤S3所述的将交叉小波变换结果分解为能量谱和相?#40644;祝?#20855;体为采用如下公式
计算能量谱和相?#40644;祝?br>

E=|WT
xy(u,s)|
2






式中E为能量谱,
为相?#40644;祝琣rg()为求取复数辐角的函数。


步骤S4所述的对能量谱和相?#40644;?#36827;行自编码,具体为采用autoencoder算法对能
量谱和相?#40644;?#36827;行自编码。


所述的autoencoder算法的隐藏层神经元数据为100。


步骤S5所述的神经网络,为BP神经网络。


所述的BP神经网络的隐含层神经元数据为20。


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。


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,同时采用采用autocoder提取图像特征,最后采用BP神经网络
做特征到到时差的拟合。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?#30772;?#37197;信号相似度,准确识别同源信号,求取更准确的到时差;而?#20918;?#21457;明方法
可靠性高、精确度高且简单方便。


附图说明


图1为本发明方法的方法流程图。


具体实施方式


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:


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;


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?#28388;?#24335;进行
交叉小波变换:


WT
xy(u,s)=WT
x(u,s)(WT
y(u,s))
*


式中WT
xy(u,s)为交叉小波变换的结果,WT
x(u,s)为对第一微震信号x(t)进行变
换,WT
y(u,s)为对第二微震信号y(t)进行变换,(WT
y(u,s))
*为第二对微震信号y(t)的变换
结果WT
y(u,s)取复数?#26597;?#25805;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,ψ
0(η)为?#24863;?#27874;且

j为虚数单位;


S3.将步骤S2得到的交叉小波变换结果分解为能量谱和相?#40644;祝?#20855;体为采用如下
公式计算能量谱和相?#40644;祝?br>

E=|WT
xy(u,s)|
2






式中E为能量谱,
为相?#40644;祝琣rg()为求取复数辐角的函数;


S4.对步骤S3得到的能量谱和相?#40644;?#36827;行自编码,从而?#26723;?#25968;据的维度;


在具体实施时,优选为采用autoencoder算法对能量谱和相?#40644;?#36827;行自编码,同时
autoencoder算法的隐藏层神经元数据为100;


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;


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;


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。


关于本文
本文标题:微震信号到时差的自动拾取方法.pdf
链接地址:http://www.pqiex.tw/p-6153001.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 短线股票推荐电话 全球股票指数实时行情 中金股票推荐 股票配资利息 股票代码查询 最新好股票推荐 创业板股票代码 国际股票融资 上证指数代码 大智慧股票行情查询