[发明专利]基于人工智能的微地震事件实时识别系统及方法

说明书

本发明涉及微地震预警技术领域，公开了基于人工智能的微地震事件实时识别系统及方法，包括波形预处理模块、波形过滤、波形事件触发及到时提取模块、波形事件分类模块、波形特征提取模块、基于神经网络的微地震事事件识别模块以及基于深度神经网络分类器模型的微地震事件识别模块。本发明基于上述模块组成的系统，从而具有自动、实时地识别微震事件和提取微震事件的到时的功能，能够为微震监测数据的自动化监测和相关工程地质灾害的预警信息的实时获取和发布提供技术支撑。

技术领域

本发明涉及微地震预警技术领域，尤其涉及基于人工智能的微地震事件 实时识别系统及方法。

背景技术

目前，地震学主要研究在固体介质中传播的弹性波。由天然源(构造地 震、火山、海浪)或人工源(核爆、矿山爆破、诱发地震)产生的地震波动 结果被地震仪器测量并记录。它们是对多达3个互相垂直方向的弹性波场进 行单点观测。每个方向或分量都以一维时变信号的形式测量地面运动的位移、 速度或加速度。产生的等间隔采样时间序列被称作地震图或地震波形。微地 震监测作为一种岩体微破裂三维空间监测技术，其得到了迅速发展，在矿山 安全生产和灾害预警中发挥了巨大的作用。微地震监测主要监测对象为体脆 性材料在外力作用下，发生微破裂产生的波形信号，即微地震。微地震监测 系统主要包含三个方面：传感器、井下采集仪和地表数据服务器。并且微地 震监测系统通过传感器将采集到的实时波形数据传输至井下采集仪进行数模 转换，最近将转换成数字信号的波形信号传输至地表数据服务器进行实时存 储。而微地震监测系统的监测到的信号中包含大量的非微地震信号，而实时、 快速、有效的识别这些微地震信号和非微地震信号对矿山灾害预警和安全生 产具有十分重要的意义。

随着近年来人工智能技术在地震、工程灾害领域快速发展。而人工智能 诞生于上世纪50年代，到上世纪90年代，其中的人工神经网络就普遍用于 解决各类分类和预测问题。尤其是近几年的突破使其被广泛应用和关注。目 前深度学习在地震学中的应用越来越广，在事件识别、初至的拾取、地震事 件的定位和地震波波速的反演等领域都有应用。为此，开发了基于人工智能 的微地震事件实时识别系统，用于时、快速、有效的识别这些微地震信号和 非微地震信号。

发明内容

本发明的目的在于提供基于人工智能的微地震事件实时识别系统及方 法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于人工智能的微地震事件实时识别系统，包括波形预处理模块、波形 过滤、波形事件触发及到时提取模块、波形事件分类模块、波形特征提取模 块、基于神经网络的微地震事事件识别模块以及基于深度神经网络分类器模 型的微地震事件识别模块。

波形预处理模块，用于对地表数据服务器实时存储的波形数据进行预处 理，将预处理的波形数据作为系统的输入数据。

波形过滤、波形事件触发及到时提取模块；用于对实时监测到的波形数 据进行过滤，滤掉低频信号对原始波形信号的干扰，然后，采用STA/LTA算 法对实时波形信号是否触发进行判断，一旦实时波形信号发生触发，通过AIC 准则对波形信号到时进行拾取，根据波形信号到时的到时信息，选取到时前 1s至到时的到时后1s的滤波过后的波形信号，获取的波形用于所述波形特征 提取模块进行波形特征提取。

波形事件分类模块；用于人工对采用已经触发的波形信号进行分类，将 其分为微地震事件和噪声事件，为用于基于神经网络的微地震事件识别模块 训练提供波形数据，并将触发事件分为3类，分别为：微地震事、低噪声事 件、高噪声事件。

波形特征提取模块；基于到时前0.5s至到时的到时后0.5s的滤波过后 的原始波形信号和振幅取绝对值后的波形信号，提取触发后波形的波形特征， 从而为神经网络的训练和实时识别微地震事件提供数据输入。