[发明专利]基于机器学习和动力学计算融合的地震定位方法与设备

权利要求书

1.一种基于机器学习和动力学计算融合的地震定位方法，其特征在于，包括以下步骤：

获取多源数据，并对所述多源数据进行正则化处理；

对正则化处理后的数据进行短时傅里叶变换得到时频图像作为样本，对每个样本依据震源位置按照三维高斯分布生成标签数据，采用交叉验证法生成训练集与测试集；

基于训练集进行全卷积神经网络模型训练，基于测试集对训练的模型进行精度评价，得到训练好的模型；

将实时监测数据输入到训练好的模型中初步估算震源位置；

对初步估算的震源位置，采用动力学计算模型予以修正；

其中，所述对初步估算的震源位置，采用动力学计算模型予以修正，具体包括：

以初步估算的震源位置为中心，选择附近区域几千米至几十千米范围内的经度、纬度和深度三分方向划分长方体三维网格，并设置1000个虚拟网格位置作为修正震源备选位置；

对所述修正震源备选位置，采用动力学计算模型计算地震波模拟数据；

计算各观测站实时监测数据与所述地震波模拟数据之间的相关系数

其中，X_i为实时监测数据，Y_i为地震波模拟数据，实时监测数据的平均值，为地震波模拟数据的平均值，i为步长；

通过网格搜索，寻找相关系数最大值，得到最优震源位置所在网格；

在最优震源位置所在网格内部，得到震源精确位置。

2.根据权利要求1所述的基于机器学习和动力学计算融合的地震定位方法，其特征在于，所述正则化处理后的数据为经度、纬度和深度三分方向数据。

3.根据权利要求2所述的基于机器学习和动力学计算融合的地震定位方法，其特征在于，所述进行短时傅里叶变换包括：使用步长为3s的滑动时窗自首台P波到时前12s至首台P波到时后12s截取波形，截取40.96s共4096个采样点，对生成的每个台站的三分方向记录分别进行短时傅里叶变换，其中窗函数γ(t)采用汉宁窗，窗宽取为1.28s共128个采样点，窗之间重叠的点数取为窗宽的一半。

4.根据权利要求3所述的基于机器学习和动力学计算融合的地震定位方法，其特征在于，所述三维高斯分布生成标签数据的方法为：

其中，(x₀，y₀，z₀)表示真实的地震震源位置，r表示三维高斯分布的半径参数，R_x，R_y，R_z表示区域的范围。

5.根据权利要求4所述的基于机器学习和动力学计算融合的地震定位方法，其特征在于，所述基于训练集进行全卷积神经网络模型训练包括：图像数据输入、数据规则化、卷积运算、激活、池化、全连接与Softmax分类操作，所述基于训练集进行全卷积神经网络模型训练在训练后还进行初始化权重以及偏置，通过反向传播算法得到优化模型，然后输出该模型。

6.根据权利要求5所述的基于机器学习和动力学计算融合的地震定位方法，其特征在于，所述动力学计算模型基于地理信息系统获得的地表、地形、地层和地质数据而建立，以反映地形起伏变化和地层地质。