[发明专利]一种基于相关性分析的矿山微震信号初至波时刻提取方法

说明书

技术领域

本发明涉及矿山微震信号的分析处理方法，特别涉及于一种基于相关性分析的矿山微震信号初至波时刻提取方法。

背景技术

在自然地震、工程爆破、爆炸等震动事件中，其中有一部分能量必然转化为震动波的形式，它会以震源为中心向周围传播。矿山微震信号初至波拾取是震动研究中非常关键和重要的问题。在震源定位中，准确快捷的拾取到初至波的时刻是进行准确震源定位或信号分析的基础。对采集到的矿山微震信号进行分析和处理，并以此来确定矿山微震信号初至波到达时刻的技术称为初至波拾取技术。初至波拾取技术在军事、民用和工业工程领域都具有非常广泛的应用研究。

而矿震是采矿活动诱发的矿井岩体突然失稳破坏的动力现象，它严重威胁着矿井生产与矿工的生命安全，对其进行实时监测和预警具有重要的理论和现实意义。矿震信号相对于地震信号而言，具有震级小、震源浅和影响范围有限等特点，所以可以称之为矿山微震信号。由于可以通过分析矿山微震信号的分布特点及发生频率大致标注出危险地带，实现有效的监测与预警，且因矿山微震信号本身能量释放较小，震波传输距离有限，从而要求矿山微震信号的定位精度相比普通地震信号更高。而定位精度的提高又需要初至波时刻更为快速准确的提取。

目前一般采用的矿山微震信号初至波自动拾取技术并无专门针对矿山微震信号的特性和要求的。初至波自动拾取目的是要确定其信号中纯噪声信号和有效信号之间的分界时刻，通常都是根据矿山微震信号的振幅、频率和相位的变化来确定这一时刻。传统的初至拾取方法主要分为两大类：一类是基于地震记录瞬时特征的方法，如极值法(峰值检测)、差分法；这类方法对噪声比较敏感，当地震记录的噪声较严重时，难以准确拾取初至。另一类方法是基于地震记录整体特征的方法，如相关法；这类方法虽然对噪声有较好的抑制作用，但受到地震道之间相似性等因素的影响，对于复杂地震记录，初至拾取的精度也会受到影响。

到目前为止，已经提出了许多初至拾取的方法，如人工拾取法、相关法、能量比法、最大振幅法、分形维法及神经网络法等。

人工拾取法简单易行，但受人为因素和主观因素影响较大，容易引入人为误差，会直接导致结果误差增大。

Gelchinsky和Shtivelman提出了一种用相邻道进行互相关的方法，它假设各道的脉冲形状不发生变化。相关法受初至的续至影响较大，并且与子波的选择关系十分密切，同时要求选择合适的时窗范围，这些在实际工程中都有一定的难度。

Hatherrly提出了线性最小平方预测技术与拐点校正相结合的方法，他提出首先识别第一个峰值和拐点，然后估算二者的统计差值。黄成之等采用统计方法将地震初至波记录分成信号和噪音两个部分，并使这两部分统计特征之间的差别为最大。统计特征法收到地震波形相似性影响较大，会对精度造成一定影响。

能量比值法使用周期内的信号能量与总时窗能量的比值，对初至比较敏感，续至波衰减比较快，所以将比值的最大值点作为初至的近似值并作适当的时移，即为初至时刻。Coppens提出了在不同大小的时窗内进行能量比较的方法。江玉乐等提出同极性能量比值法，即改进的能量比法。由于能量比值法的抗干扰能力还不够好，所以对于初至波形发生明显变化的地区拾取的初至时刻不够准确。

时间域分形维方法拾取初至的过程必须插值，且结果强烈的依靠插值的准确性。Fabio Boschetti等提出了一种基于分形维的初至检测算法，该方法是基于地震道随着信号出现其分形维值发生变化的特征来确定地震道初至。但其对时窗和步长的选取十分敏感，稍有不慎就会严重的影响其结果。

神经网络法利用多参数特征进行模式识别，充分利用地震记录的瞬时特征和整体特征。由于神经网络不仅具有并行处理、自组织自学习能力，而且具有高度鲁棒性、容错性和高度的映射、计算和分类能力。庄东海等采用将地震记录初至拾取看作一个模式识别过程，充分利用地震记录的瞬时特征和整体特征，用人工神经网络方法进行地震记录初至拾取，其能获得较好的实际效果。但其主要缺点是算法复杂性太高，搜索需要一定时间。

地震信号通过小波多分辨分解，可以有效地分离、消除噪声，有利于分形维与神经网络法提高拾取初至的精度。罗光提出了改进型基于小波变换的初至波拾取方法，杨俊峰提出了基于小波变换的三分向震相识别法、能量因子法。但有时其仍需要人工选取数据段来进行拾取以减少拾取时间。

除此之外，有一些方法还依赖该道与其近道之间的对比，虽然这一类方法对噪声有一定的压制作用，但受到地震道之间相似性等因素的影响，对于复杂地震记录，初至拾取的精度也会受到影响。