[发明专利]一种地下浅层爆炸时空场重建方法有效

专利信息
申请号: 202010929952.7 申请日: 2020-09-07
公开(公告)号: CN112114362B 公开(公告)日: 2022-08-09
发明(设计)人: 李剑;李传坤;曹凤虎;郭亚丽;韩焱;王黎明;韩星程 申请(专利权)人: 中北大学
主分类号: G01V1/30 分类号: G01V1/30;G06V10/774;G06V10/82;G06N3/04;G06N3/08
代理公司: 中国兵器工业集团公司专利中心 11011 代理人: 赵欣
地址: 030051 山*** 国省代码: 山西;14
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 地下 爆炸 时空 重建 方法
【权利要求书】:

1.一种地下浅层爆炸时空场重建方法,其特征在于,包括以下步骤:

S1、布设震动传感器阵列:在监测区域中心位置选取一点作为坐标原点,建立直角坐标系,将n个震动传感器,以坐标原点为中心,均匀布设于地表,形成等间距方形阵列,并获取每个震动传感器坐标信息Xi=(xi,yi,zi)(i=1,2,3,...,n);

S2、生成基于能量信息的学习样本;

S3、设计深度学习网络:深度学习网络由密集全连接卷积网络、独立卷积循环神经网络一、独立卷积循环神经网络二、独立卷积循环神经网络三、非局部空间注意力网络一、非局部空间注意力网络二、时间注意力网络、时间全局池化层、全连接层一、全连接层二和全连接层三组成;

首先,将S2得到的瞬时三维能量场图像进行线性插值,得到一个尺寸固定的三维能量场图并输入到51层的密集全连接卷积网络,用于提取有效的空间特征图,其输出结果经独立卷积循环神经网络一与独立卷积循环神经网络二处理后,提取三维能量场图中的时间特征;

独立卷积循环神经网络二输出的结果经非局部空间注意力网络一提取重要的三维能量场图的三维空间特征,其输出结果和独立卷积循环神经网络二直接输出的结果进行求和运算,运算结果输出至独立卷积循环神经网络三;独立卷积循环神经网络三再次提取三维能量场图中的时间特征;

独立卷积循环神经网络三输出端分别与非局部空间注意力网络二和时间注意力网络相连;一方面,非局部空间注意力网络二再次提取重要的三维能量场图的三维空间特征,其输出与独立卷积循环神经网络三的输出求和后与时间全局池化层连接,另一方面,独立卷积循环神经网络三输出结果,经时间注意力网络学习每个时刻的权重后,输出时间权重给时间全局池化层;

将上述结果经时间全局池化层进行点乘加权求和,得到最后的时空注意力的特征图,分别输出给全连接层一、全连接层二和全连接层三,其中全连接层一输出震源坐标x,全连接层二输出震源坐标y,全连接层三输出震源坐标z;

S4、利用震动传感器阵列获取实际爆炸产生的震动信号,得到实际震源对应的三维能量场样本集;随机抽取其中的多张样本送入深度学习网络;将相应输出对应数量的定位结果,对定位结果进行处理得到实际震源坐标。

2.根据权利要求1所述的一种地下浅层爆炸时空场重建方法,其特征在于,S2具体方法如下:

S2.1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对监测区域进行网格划分将空间划分为N个大小相同的立方体网格,得到每个网格坐标Xj=(xj,yj,zj)(j=1,2,3,...,N);

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:首先将n个震动传感器进行分组,按照相似性,分为M组,每组由L个震动传感器组成;其次,对震动传感器组内对应的震动传感器在地下任意位置处形成的逆时反传波场进行自相关运算和线性振幅叠加运算,得到震动传感器组内对应的自相关三维能量场图像;再次,对震动传感器组间的自相关三维能量场图像进行互相关运算,最终得到每一时刻的互相关三维能量场图像,消除逆时反传产生的成像干扰;最后对每一时刻的互相关三维能量场图像进行二次处理,得到瞬时三维能量场图像。

3.根据权利要求2所述的一种地下浅层爆炸时空场重建方法,其特征在于,S2.3中,根据声波方程,将第i个震动传感器获取的信号D(Xi,t)作为虚拟震源,逆向朝地下空间传播,在地下任意位置处形成的逆时反传波场Ri(Xj,t)可表示为

其中,v表示地下介质的传播速度,T为震动传感器记录的震动信号的总时间长度,t为逆推波场传播时间。

4.根据权利要求3所述的一种地下浅层爆炸时空场重建方法,其特征在于,采用最佳层匹配法作为边界条件,使用三维高阶有限差分算法求解上述步骤S2.3中的方程。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中北大学,未经中北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010929952.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top