[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

说明书

本发明公开了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，随机选取一个三分量检波器的数据，利用深度信念网络对其数据进行微地震事件波达时间拾取，并对微地震事件进行分类；然后，以得到的波达时间和事件类型为基础，利用全部三分量检波器接收到的微地震数据，进行扫描叠加定位成像。图像中，代表叠加能量最强的空间位置即可认为是微地震事件发生的真实空间位置，实现了微地震事件的自动、精准定位。

技术领域

本发明涉及微地震监测定位反演方法技术领域，更具体的说是涉及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。

背景技术

在资源开采和地下应力条件监测的过程中，需要进行微地震监测以定量描述地下介质的破裂位置。微地震定位作为微震监测工作的重要一环，不仅关系到对震源空间位置的描述，也影响震源机制及震级的正确反演和计算,所以微震定位的准确性对微震监测工作十分重要。

基于盖格理论的微地震定位算法是一种简单、高效的定位算法。基于盖格理论的定位算法，通过人工或者自动拾取微地震事件从震源到达检波器的波达时间，基于最优化理论使目标函数达到全局最优从而达到定位的目的。但基于盖格理论的算法有两方面缺点：一是定位结果对微地震波达拾取结果非常敏感，不精确的波达时间拾取会对定位结果造成影响。而微地震数据的信噪比一般不高，给精确的波达时间拾取造成困难；二是利用最优化算法求取目标函数全局极小值的过程中，算法往往收敛到局部极值中，这同样也会影响定位结果的精确程度。所以基于盖格类的算法在处理低信噪比的微地震数据时，效果往往不太理想。

基于扫描叠加的微地震定位算法是另一种被广泛使用的定位算法。与盖格理论算法不同，基于扫描叠加的微地震定位算法利用微地震事件在地下空间中的走时信息和在检波器处的振幅响应，构建振幅能量叠加图像，图像中能量最强的空间位置被认定为真实的发震位置。基于扫描叠加的定位算法，其优点是利用了微地震记录中的振幅信息，使得算法对低信噪比数据有一定的鲁棒性，并对微地震事件的走时计算误差有一定的容忍度。这些优点使得基于扫描叠加的定位算法相较于盖格类的定位算法有更好的稳定性。但基于扫描叠加的定位算法也有如下缺点：一是基于扫描叠加的定位算法需要对监测区域进行网格划分，而且微地震发震时刻未知，所以在进行定位叠加成像的过程实际上是一个四维空间的搜索。当监测区域很大且需要精细网格划分时意味着巨大的计算量，这给微地震时间实时定位带来挑战；二是地震记录中涉及到不同种类的地震波形(如横波、纵波)，不同种类的地震波形在进行扫描叠加时需要不同的地下介质速度模型。现有的基于扫描叠加的定位算法大多为人工判断地震事件类型，使得定位算法不能进行自动定位。

因此，如何提供一种自动且精确的微震源定位方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了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，实现了微震源的自动、精准定位。

为了实现上述目的，本发明采用如下技术方案：

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，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，其输出层的结果为步骤一中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；