[发明专利]基于深度强化学习的地下浅层起爆点定位方法

说明书

本发明涉及一种基于深度强化学习的地下浅层起爆点定位方法，通过布设震动传感器阵列、生成基于能量信息的学习样本、设计深度学习网络，后，直接在三维能量场图设定一个初始搜索框，经过上采样输入训练好的深度决策网络中，输出最大价值对应的动作，然后在三维能量场图中，找到该动作对应的新区域，重新作为初始搜索框，并经上采样再次输入到深度决策网络，以此类推，直到停止动作时，最后一个区域的中心点为预测震源位置。本发明提高了定位的精度和定位的稳定性。同时极大了减少了传统浅层震源定位过程中定位参数提取、定位模型建模和定位模型解算等步骤，极大提高了震源定位效率。

技术领域

本发明属于爆破震动测试技术、无源定位技术领域，具体涉及一种基于深度强化学习的地下浅层起爆点定位方法。

背景技术

地下浅层分布式震源定位技术是一种集传感、组网、传输、定位于一体的位置测量新方法。该方法将大量无线震动传感器节点布设于地表，用该节点群获取爆炸产生的震动信号，爆炸事件结束后，利用无线传输网络将传感器节点的数据汇聚至控制中心，在控制中心经过数据预处理、特征提取、定位建模、定位解算等过程，最终实现震源定位。该方法可以实现地下炸点定位、引信起爆点位置测量、岩爆、突水等超前预报、地下硐室爆破监测等领域。

与深层地震、煤矿深层开采、石油勘探等大区域、大深度、长时间震源定位相比较，本发明涉及的浅层震源定位具有以下特点：(1)浅层定位时传感器数量少，布设方式随机，不同于天然地震定位时高密度布设方式；(2)地下震源深度较浅，一般不超过100m，浅层地质结构复杂且未知，无法借鉴深层地壳结构模型建立浅层速度场模型；(3)震动波波群混叠复杂，爆炸近场土壤本构特性呈弹塑性，弹性波受地面反射、折射影响较大，震相特征不明显。因此，常规的天然地震定位方法不适用于浅层震源定位。

随着地震勘探学和计算成像理论的不断发展，基于能量场成像的定位技术成为地下震源定位领域研究的热点。它不依赖于震相特征参数的提取精度，通过扫描地下能量场聚焦点的位置，最终实现震源定位。它是解决地下起爆点定位问题的最优方法之一。但采用现有技术进行起爆点定位时，存在如下问题：

由于浅层震源定位时，地下介质复杂，传感器数量较少且布设随机，造成地下能量场成像精度不高，震源定位精度低；

2、研究人员采用QPSO量子粒子群算法等群智能算法对能量聚焦点进行快速定位，该方法对聚焦点进行搜索时存在一定的盲目性、随机性，导致聚焦点识别效果不稳定，震源定位鲁棒性差，定位精度不能保证，最终导致无法实现有效地时空场重建。

发明内容

本发明提供一种基于深度强化学习的地下浅层起爆点定位方法，要解决的技术问题是：解决地下浅层震源定位精度低、稳定性差的问题。

为了解决以上技术问题，本发明提供了一种基于深度强化学习的地下浅层起爆点定位方法，其特征在于，包括以下步骤：

S1、布设震动传感器阵列；

S2、生成基于能量信息的学习样本，具体如下：

S2.1获取预设震源信号

在水平XOY坐标系的四个象限分别预设一发震源弹，利用所述的震动传感器阵列获取爆炸产生的震动信号；

S2.2对监测区域划分网格

S2.3将每个震动传感器分别作为虚拟震源进行逆向传播，得到逆时反传波场；

S2.4能量场逆时成像，得到瞬时三维能量场图像；

S3、设计由深度决策网络、目标深度决策网络、搜索策略模型、强化学习模块组成的深度学习网络，

其中深度决策网络与目标深度决策网络是同样的网络，深度决策网络会把训练参数拷贝到目标深度决策网络，目标深度决策网络用于估计目标价值，并将目标价值作为深度决策网络标签的一部分；