【技术实现步骤摘要】
一种基于深度学习的地下浅层震源定位方法
本专利技术属于爆破震动测试
，具体涉及一种基于深度学习的地下浅层震源定位方法，适用于未知地质结构条件下的定点群打击定位。
技术介绍
地下浅层震源是指地下震源深度不超过100m的空间内发生的事件，其被动定位是解决军事领域中高价值弹药地下炸点定位以及侵彻轨迹测量等主要途径；是实现民用领域中地质监测，工程爆破、文物防盗监测、煤矿勘察、地表结构组成成分分析、地质结构探索、地下稀有矿物质勘探、石油探测挖掘等重要手段。与深层地震、煤矿深层开采、石油勘探等大区域、大当量、大深度、长时间震源定位相比较，该类震源定位具有以下特点：(1)地下震源深度较浅，一般不超过100m，浅层地质结构复杂且未知，无法借鉴深层地壳结构模型建立浅层速度场模型；(2)震动波波群混叠复杂，爆炸近场土壤本构特性呈弹塑性，弹性波受地面反射、折射影响较大，震相特征不明显；(3)地下介质复杂，传输信道更加复杂且不均匀，往往包括浮土、岩石、沙石、密实土壤等多种类型；(4)定位精度要求较高，在100m的散布区域内立体定位误差小于1m，不同于大深度地震定位中百米定位误差要求...
【技术保护点】
1.一种基于深度学习的地下浅层震源定位方法，具体包括以下步骤：S1.布设分布式震动传感器阵列：在监测区域随机预设坐标原点，将n个传感器以一定角度为旋转间隔，以一定长度为增长半径，将震动传感器布设于地表，形成螺旋式阵列，并获取各传感器坐标信息(xj,yj,zj)(j＝1,2,3,K,n)；S2.生成学习样本：对监测区域进行网格划分，在监测区域预设震源弹，得到一个震源弹爆炸后所有采样点所对应的三维能量场图像序列，并将其作为学习样本；S3.将学习样本所对应的震源弹位置作为训练标签；S4.构建深度学习网络框架；S5.将S2生成的学习样本与S3确定的训练标签作为数据集，输入到S4构建...
【技术特征摘要】
1.一种基于深度学习的地下浅层震源定位方法，具体包括以下步骤：S1.布设分布式震动传感器阵列：在监测区域随机预设坐标原点，将n个传感器以一定角度为旋转间隔，以一定长度为增长半径，将震动传感器布设于地表，形成螺旋式阵列，并获取各传感器坐标信息(xj,yj,zj)(j＝1,2,3,K,n)；S2.生成学习样本：对监测区域进行网格划分，在监测区域预设震源弹，得到一个震源弹爆炸后所有采样点所对应的三维能量场图像序列，并将其作为学习样本；S3.将学习样本所对应的震源弹位置作为训练标签；S4.构建深度学习网络框架；S5.将S2生成的学习样本与S3确定的训练标签作为数据集，输入到S4构建的网络中训练网络，得到训练好的深度学习网络；S6.震源定位：利用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图像序列，随机抽取其中的样本送入训练好的深度学习网络，得到的输出结果即为震源坐标。2.根据权利要求1所述的一种基于深度学习的地下浅层震源定位方法，其特征在于，S1中，在监测区域随机预设坐标原点，将n个传感器以10°为旋转间隔，以1m为增长半径，按照顺时针方向，将震动传感器布设于地表，形成螺旋式阵列。3.根据权利要求1所述的一种基于深度学习的地下浅层震源定位方法，其特征在于，S2具体包括以下步骤：S2.1：划分监测区域网格：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(hi,li,ki)(i＝1,2,3,K,N)；S2.2：获取预设震源信号：在监测区域4个象限内，分别预设1发震源弹，起爆第一象限的震源弹，利用所述的震动传感器阵列，获取爆炸产生的震动信号；S2.3：提取所有传感器信号的初至波到时信息；S2.4：依次起爆第二象限至第四象限的震源弹，重复上述步骤S2.3，得到不同象限的震源弹起爆后对应的初至波到时；S2.5：建立监测区域速度场模型；S2.6：计算各个网格的走时信息：以各网格(hi,li,ki)作为虚拟震源，计算其传播至每个传感器(xj,yj,zj)(j＝1,2,3,K,n)的走时信息tij；S2.7：生成一个震源弹爆炸情况下的一张三维能量场图像；S2.8：以采样率为步长，重复S2.7，依次递进，在不同的采样点依次进行振幅叠加再填充，得到一个震源弹爆炸后，所有采样点所对应的三维能量场图像序列；S2.9：重复S2.7-2.8，得到4次震源弹爆炸对应的三维能量场图像样本序列。4.根据权利...
【专利技术属性】
技术研发人员：李剑，王彦博，李冒金，韩焱，苏新彦，王小亮，莫璧铭，李禹剑，
申请(专利权)人：中北大学，
类型：发明
国别省市：山西,14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。