[发明专利]基于深度信念网络和扫描叠加的微震源自动定位方法

权利要求书

1.一种基于深度信念网络和扫描叠加的微地震自动定位方法，其特征在于，包括如下步骤：

步骤一：随机选择监测区域内的一个三分量检波器，提取其三分量地震数据；

步骤二：将步骤一提取的三分量地震数据通过一组Gammatone滤波器得到输出响应；

步骤三：将步骤二得到的输出响应进行离散余弦变换，对应得到GFCC系数；

步骤四：利用受限玻尔兹曼机构建一个深度信念网络，通过训练数据来得到深度信念网络参数；

步骤五：将步骤三中得到的GFCC系数作为深度信念网络的输入层数据，其输出层的结果为三分量地震数据中微地震事件类型以及波达时间；

步骤六：将监测区域的空间位置划分为i×j×k个三维空间网格点；

步骤七：针对所有三分量检波器采集的数据，选取长度为N的时窗，根据步骤六中每一个网格点到每一个检波器的理论地震波走时和步骤五中拾取的微地震事件类型以及波达时间来滑动时窗，获取振幅信息；其中，所述理论地震波走时包括：纵波走时和横波走时；

步骤八：根据步骤七中时窗所获取的振幅信息，对每一个空间网格点进行相应的相似性系数计算，从而得到一个扫描叠加的能量叠加数据体；其中，最大相似性系数对应网格点的空间位置，即是微震发生的真实位置；

其中，在步骤八中，根据步骤七中时窗所获取的振幅信息，对每一个空间网格点进行相应的相似性系数计算，从而得到一个扫描叠加的能量叠加数据体，其具体计算公式为：

其中，表示为步骤六中的空间网格点(i,j,k)对应的空间位置，分别到两个检波器位置ref和R的理论地震波走时差，其中ref代表步骤一中随机选取的检波器，R代表监测区域中第R个检波器；t_β代表步骤五中拾取到的微地震到时，β代表地震波类型，其中，纵波为P，横波为S；Δt代表采样间隔，N_R代表检波器数量，N_L代表时窗长度，L代表时窗内部所包含的采样数据点的序号；代表监测区域中第R个检波器接收的α分量微地震信号，括号中对应的数值代表微地震数据采样点对应的序号。

2.根据权利要求1所述的基于深度信念网络和扫描叠加的微地震自动定位方法，其特征在于，在步骤二中，Gammatone滤波器的脉冲响应表达式为：

其中，a为增益系数，t为时间，n为滤波器的阶数，b为衰减系数，为相位，f为中心频率。

3.根据权利要求1所述的基于深度信念网络和扫描叠加的微地震自动定位方法，其特征在于，在步骤二中，三分量地震数据通过一组Gammatone滤波器得到的输出响应为

为当α分量微地震数据信号通过Gammatone滤波器后，经过下采样得到的结果，下标d代表下采样；i＝0,1,2,...,N-1代表gammatone滤波器个数，m＝0,1,2,...M-1为对地震信号进行分帧后的帧数。

4.根据权利要求1所述的基于深度信念网络和扫描叠加的微地震自动定位方法，其特征在于，在步骤三中，GFCC系数的计算的表达式为：

其中，表示第j个滤波器接收的α分量微地震信号在第m帧对应的GFCC系数，j＝0,1，…，N-1表示滤波器个数，m代表帧数。