[发明专利]基于NARX动态神经网络的微地震有效事件自动拾取方法

权利要求书

1.一种基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，包括如下步骤：

Step1、预处理：整合不同信噪比与震源辐射特性的模拟与实测微地震监测数据，建立训练数据库与测试数据库；

Step2、微地震有效信号序列标记：采用汉宁窗对训练数据库中每一道波形数据的有效信号序列进行标记，获取相应的标签序列；

Step3、NARX模型建立：建立具有Series-Parallel反馈结构的NARX动态神经网络训练模型，设定隐含层个数、神经元个数以及时延系数参数，初始化NARX动态神经网络模型；

Step4、NARX模型训练：基于训练数据库和标签序列，采用Levenberg-Marquardt优化算法训练初始化的NARX动态神经网络模型；

Step5、提取特征曲线：基于Step4训练好的NARX动态神经网络模型提取测试数据库中微地震信号的特征曲线；

Step6、有效事件拾取：设置期望阈值，从Step5提取的特征曲线拾取是否存在有效事件，输出有效事件的初至。

2.根据权利要求1所述基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，所述Step1中，数据预处理包括：对训练数据库与测试数据库中的每一道微地震波形数据进行归一化处理，公式表示为：

式中，x为原始微地震数据，为归一化之后的微地震数据，|x|_max为原始微地震数据绝对值的最大幅度。

3.根据权利要求2所述基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，将原始微地震数据按70％和30％的比例划分为训练数据集与测试数据集。

4.根据权利要求2所述基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，所述Step2中，有效信号序列进行标记包括：针对训练数据库中归一化处理后的微地震数据，手动拾取P波初至，将微地震波形的整个P波有效信号所在波形序列标记为汉宁窗，其余位置标记为零，以此获取有效信号的标签序列，得到期望输出信号，公式表示为：

x_L＝δ(t_P)*H(n)

式中，x_L为微地震有效信号的序列标记输出，δ(t_p)为P波初至所在的单位脉冲函数，t_p为P波初至，H为汉宁窗，cos为余弦函数，N为窗函数的长度，由有效事件拾取的期望分辨率确定，n为时间采样点数。

5.根据权利要求1所述基于NARX动态神经网络的微地震有效事件自动拾取方法，其特征在于，所述Step3中，建立的具有Series-Parallel反馈结构特征的NARX模型表示为：

y(t)＝h(x_t-2,x_t-1,x_t,y_t-2,y_t-1)

式中，y(t)为当前时刻输出序列，y_t-2,y_t-1为输出延时序列，x_t为当前时刻输入序列，x_t-2,x_t-1为输入延时序列，h为非线性模糊函数：

式中，e为自然常数，τ为函数自变量。