[发明专利]一种基于注意力机制的深度学习微震事件识别方法及系统

权利要求书

1.一种基于注意力机制的深度学习微震事件识别方法，其特征在于，包括：

获取多通道岩石微震波形段；

将所述多通道岩石微震波形段进行特征提取，得到特征提取后的岩石微震波形段；

将所述特征提取后的岩石微震波形段输入至第一个层级注意力模块、第二个层级注意力模块、第三个层级注意力模块、第四个层级注意力模块和第五个层级注意力模块，得到同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱；

将所述岩石微震特征图谱输入全局池化层进行整合，得到整合后的特征向量，所述整合后的特征向量包含一个特征向量；

将所述整合后的特征向量输入全连接层进行降维，得到降维后的特征向量；

将所述降维后的特征向量输入分类器进行分类，得到噪声概率和微震事件概率。

2.根据权利要求1所述的基于注意力机制的深度学习微震事件识别方法，其特征在于，所述将所述多通道岩石微震波形段进行特征提取，得到特征提取后的岩石微震波形段，具体包括：

将所述多通道岩石微震波形段通过残差模块或者卷积神经网络进行特征提取，得到特征提取后的岩石微震波形段。

3.根据权利要求1所述的基于注意力机制的深度学习微震事件识别方法，其特征在于，所述将所述特征提取后的岩石微震波形段输入至第一个层级注意力模块、第二个层级注意力模块、第三个层级注意力模块、第四个层级注意力模块和第五个层级注意力模块，得到同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱，具体包括：

将所述特征提取后的岩石微震波形段输入至第一个层级注意力模块，得到第一个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱，所述第一个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱为第一特征图谱；

将所述第一特征图谱输入至第二个层级注意力模块，得到第二个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱，所述第二个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱为第二特征图谱；

将所述第二特征图谱输入至第三个层级注意力模块，得到第三个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱，所述第三个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱为第三特征图谱；

将所述第三特征图谱输入至第四个层级注意力模块，得到第四个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱，所述第四个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱为第四特征图谱；

将所述第四特征图谱输入至第五个层级注意力模块，得到第五个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱，所述第五个同时加载空间注意力权重和通道注意力权重的岩石微震特征图谱为第五特征图谱。

4.根据权利要求3所述的基于注意力机制的深度学习微震事件识别方法，其特征在于，所述第一个层级注意力模块的组成结构包括依次连接的逐通道空间注意力建模单元、聚合单元、通道注意力建模单元和权重施加单元；

所述逐通道空间注意力建模单元用于将所述特征提取后的岩石微震波形段逐通道空间注意力建模，得到空间注意力权重；所述聚合单元用于将所述空间注意力权重施加到特征提取后的岩石微震波形段，再进行聚合操作，得到特征值；所述通道注意力建模单元用于将所述特征值进行通道注意力权重提取，得到通道注意力权重；所述权重施加单元用于将所述空间注意力权重和所述通道注意力权重加载至所述特征提取后的岩石微震波形段，得到第一特征图谱。

5.根据权利要求3所述的基于注意力机制的深度学习微震事件识别方法，其特征在于，所述第二个层级注意力模块和所述第三个层级注意力模块结构相同，所述第四个层级注意力模块和所述第五个层级注意力模块结构相同。