[发明专利]一种基于震源参数的微震与爆破事件识别方法

摘要

本发明公开了一种基于震源参数的微震与爆破事件识别方法，包括以下步骤步骤1获得微震事件与爆破事件的判别式以已确定的N组微震事件与L组爆破事件为样本，获得微震与爆破事件的判别式其中YE和YB分别为微震与爆破事件判别式的因变量，Xi(i＝1,2,…,6)为6个与典型震源参数相关的值，C0和Ci分别为微震事件判别式中的常数项及对应于Xi的最优系数，B0和Bi分为为爆破事件判别式中的常数项及对应于Xi的最优系数；C0、Ci、B0和Bi基于样本辨识得到；N和L均为整数，且N、L≥10；步骤2对待识别事件进行识别计算待识别事件对应的Xi取值，代入所述的微震事件与爆破事件的判别式，计算得到YE和YB；若YE大于或等于YB，为微震事件，否则为爆破事件。本发明具有适用性强、准确性高等特点。

主权项

一种基于震源参数的微震与爆破事件识别方法，其特征在于，包括以下步骤：步骤1：获得微震事件与爆破事件的判别式：以已确定的N组微震事件与L组爆破事件为样本，获得微震与爆破事件的判别式：YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6KiXi]]>其中YE为微震事件判别式的因变量，YB为爆破事件判别式的因变量，式中，Xi，i＝1,2,…,6为6个与典型震源参数相关的值，C0为微震事件判别式中的常数项，Ci为在微震事件判别式中对应于Xi的最优系数，B0爆破事件判别式中的常数项，Bi为在爆破事件判别式中对应于Xi的最优系数；C0、Ci、B0和Bi基于样本辨识得到；N和L为整数，N＝L，且N，L≥10；步骤2：对待识别事件进行识别：计算待识别事件对应的Xi取值，代入所述的微震事件与爆破事件的判别式，计算得到YE和YB；若YE大于或等于YB，则说明该待识别事件为微震事件，否则若YE小于YB，则说明该待识别事件为爆破事件；所述步骤1中，针对每一组微震事件或爆破事件，进行以下操作：(1)通过微震监测系统获取震源参数；包括：S波与P波能量之比值ES/EP，地震力矩M，静应力降SSD，动应力降DSD，震源发震时间t以及力矩震级Mm；(2)对步骤(1)中获取的参数ES/EP、M、SSD和DSD分别取对数，求得结果为log ES/EP、log M、log SSD和log DSD；(3)处理震源发震时间t；计算该微震事件或爆破事件对应的震源发震时间t与相邻的前一微震事件或爆破事件对应的震源发震时间t0的时间差Δt＝t‑t0；(4)计算概率密度函数值：概率密度函数表达式如下所示：f(xi)=(1+kz)-1-1/kσ[1+(1+kz)-1/k]2,k≠0e-zσ(1+e-z)2,k=0---(1)]]>式中，z＝(xi‑μ)/σ；k、σ和μ分别为连续形状参数、连续尺度参数和连续位置参数，根据实际情况通过最小二乘拟合求得；将上述步骤中所得数据log ES/EP、log M、log SSD、log DSD、Mm和Δt分别作为xi,i＝1,2,3,4,5,6带入式(1)中，得出相应计算结果f(xi)；(5)构建微震与爆破事件的判别式：YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>令f(xi)＝Xi代入上述判别式，统计已确定的N组微震事件与N组爆破事件，根据Bayes判别理论求得判别式中的各参数C0、Ci、B0和Bi的最优值；所述步骤2中，针对待识别事件，进行以下操作：(1)通过微震监测系统获取震源参数；包括：S波与P波能量之比值ES/EP，地震力矩M，静应力降SSD，动应力降DSD，震源发震时间t以及力矩震级Mm；(2)对步骤(1)中获取的参数ES/EP、M、SSD和DSD分别取对数，求得结果为log ES/EP、log M、log SSD和log DSD；(3)处理震源发震时间t；计算该微震事件或爆破事件对应的震源发震时间t与相邻的前一微震事件或爆破事件对应的震源发震时间t0的时间差Δt＝t‑t0；(4)计算概率密度函数值：概率密度函数表达式如下所示：f(xi)=(1+kz)-1-1/kσ[1+(1+kz)-1/k]2,k≠0e-zσ(1+e-z)2,k=0---(1)]]>式中，z＝(xi‑μ)/σ；k、σ和μ分别为连续形状参数、连续尺度参数和连续位置参数，根据实际情况通过最小二乘拟合求得；将上述步骤中所得数据log ES/EP、log M、log SSD、log DSD、Mm和Δt分别作为xi,i＝1,2,3,4,5,6带入式(1)中，通过最小二乘拟合得到k，σ，μ的值；得出相应计算结果f(xi)；(5)计算识别结果：令f(xi)＝Xi代入以下判别式，计算得到YE和YB；YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>若YE大于或等于YB，则说明该待识别事件为微震事件，否则若YE小于YB，则说明该待识别事件为爆破事件。