一种基于物联网端边云协同的微地震监测数据传输方法技术

本发明专利技术公开了一种基于物联网端边云协同的微地震监测数据传输方法，包括：通过采集设备，获取微地震信号；通过设于采集设备内的本地浅层特征提取模块，从微地震信号中提取包括微地震事件的数据；通过设于边缘计算设备内的本地深层特征提取模块，从包括微地震事件的数据中识别有效微地震事件；将有效微地震事件传输至云端服务器。其中，采集设备、边缘计算设备通过无线传感器网络与云端服务器连接。本发明专利技术可有效减少采集端到边缘端，以及边缘端到云端的数据传输；降低了采集端设备和边缘设备在进行数据传输过程中的能量消耗；同时也将传统需要云端服务器完成的任务，下放到了边缘端完成，减轻了云端服务器的算力消耗。减轻了云端服务器的算力消耗。减轻了云端服务器的算力消耗。

【技术实现步骤摘要】
一种基于物联网端边云协同的微地震监测数据传输方法


[0001]本专利技术涉及物联网数据传输
，特别涉及一种基于物联网端边云协同的微地震监测数据高效传输方法。

技术介绍

[0002]当前，微地震监测技术被广泛应用在油田增产和页岩气等新能源的开采的监测中。利用布置在周围观测井中或压裂现场地面上的地震信号采集仪器可记录到因水力压裂而产生的微地震事件。通过对微地震事件的反演和推导可推测裂缝在地下的走向、密度、维度等信息，实现对生产过程的监测。地面微地震监测近年来以应用无线地震仪为主，工作方式为将无线地震仪作为独立的采集节点进行微地震信号的采集，获取的数据通过无线传感网络传输至现场控制中心的服务器上，由服务器进行反演定位和裂缝发育趋势的预测。
[0003]该方法需要设备端的数据全部上传至服务器端，传输成本高、时延长，且严重依赖服务器端的计算能力，对服务器的配置有较高的要求。同时，随着应用的日益广泛，现场布设的采集节点阵列的规模和范围不断增大，对现场无线传感网络的带宽需求也在增多，现场数据回收的难度随之加大。
[0004]目前，随着物联网技术的不断发展，边缘计算、雾计算、边云协同等技术逐渐应用到各类科学研究和工业生产中。边缘计算侧重于局部，能够更好地在小规模、实时的智能分析中发挥作用。然而，边缘计算设备的性能受功耗、内存、芯片计算能力等资源制约，当前的数据处理方法并不适合直接在边缘计算设备上运行。为此，本专利技术提出一种基于物联网技术的端
‑
边
‑
云协同的微地震监测数据高效传输方法。

技术实现思路

[0005]基于上述
技术介绍
中提出的技术问题，本专利技术提供一种基于物联网端边云协同的微地震监测数据传输方法。
[0006]本专利技术实施例提供一种基于物联网端边云协同的微地震监测数据传输方法，包括：
[0007]通过采集设备，获取微地震信号；
[0008]通过设于所述采集设备内的本地浅层特征提取模块，对微地震信号进行降噪处理；
[0009]通过设于边缘计算设备内的本地深层特征提取模块，从降噪后的微地震信号中识别有效微地震事件；
[0010]将有效微地震事件传输至云端服务器。
[0011]其中，所述采集设备、所述边缘计算设备通过无线传感器网络与所述云端服务器连接。
[0012]进一步地，多个所述采集设备通过第一无线传输设备与一个边缘计算设备无线通信连接，且多个所述边缘计算设备通过第二无线传输设备与一个云端服务器无线通信连
接。
[0013]进一步地，所述采集设备包括：无线地震仪。
[0014]在其中一个实施例中，本专利技术提供的基于物联网端边云协同的微地震监测数据传输方法，还包括：
[0015]通过设于所述云端服务器内训练后的基于深度神经网络的微地震事件识别模型，对所述采集设备内的本地浅层特征提取模块进行参数配置，并对所述边缘计算设备内的本地深层特征提取模块进行参数配置；
[0016]其中，所述基于深度神经网络的微地震事件识别模型包括：浅层特征提取模块和深层特征提取模块。
[0017]在其中一个实施例中，本专利技术提供的基于物联网端边云协同的微地震监测数据传输方法，还包括：
[0018]所述云端服务器通过预采集有效微地震事件，利用迁移学习对基于深度神经网络的微地震事件识别模型进行训练。
[0019]进一步地，所述预采集有效微地震事件的获取，包括：
[0020]通过采集设备，获取预采集微地震信号；
[0021]通过边缘计算设备，将所述预采集微地震信号传输至所述云端服务器；
[0022]通过所述云端服务器内传统的微地震事件识别模型，依次对预采集微地震信号进行噪声过滤处理和识别预采集有效微地震事件。
[0023]在其中一个实施例中，本专利技术提供的基于物联网端边云协同的微地震监测数据传输方法，还包括：
[0024]通过所述云端服务器，对有效微地震事件进行反演定位和裂缝发育趋势的预测。
[0025]本专利技术实施例提供的上述基于物联网端边云协同的微地震监测数据传输方法，与现有技术相比，其有益效果如下：
[0026]本专利技术提出的微地震监测数据高效传输方法，通过应用基于物联网技术的端
‑
边
‑
云协同的处理方式，可有效减少冗余数据的传输，提高数据传输效率，降低数据传输给采集端和边缘端的能量消耗。即通过应用神经网络模型对微地震事件进行识别，在采集端进行数据采集和浅层特征的提取，在边缘侧进行深度特征的提取也即有效微地震事件的识别，可有效减少采集端到边缘端，以及边缘端到云端的数据传输，降低了采集端设备和边缘设备在进行数据传输过程中的能量消耗；同时也将传统需要云端服务器完成的任务，下放到了边缘端完成，减轻了云端服务器的算力消耗。
附图说明
[0027]图1为一个实施例中提供的基于物联网技术的端
‑
边
‑
云协同的微地震监测系统的构成框图；
[0028]图2为一个实施例中提供的基于深度神经网络的微地震事件识别模型的结构框图；
[0029]图3为一个实施例中提供的端
‑
边
‑
云协同采集的结构框图；
[0030]图4为一个实施例中提供的传输方法的三个阶段的流程框图。
具体实施方式
[0031]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0032]实施例1：
[0033]一个实施例中提供的一种基于物联网端边云协同的微地震监测数据传输方法，参见图1，该方法对应的系统包括：
[0034]采集端设备、边缘计算设备、云端服务器，以及在采集端到边缘端、边缘端到云端的无线数据传输设备。其中，采集端设备负责微地震信号采集和运行浅层特征提取模块；边缘计算设备负责运行深层特征提取模块，也即有效微地震事件的识别；云端服务器在预采集阶段运行传统的微地震事件识别模型，在训练阶段采用迁移学习的方式训练基于神经网络的微地震事件识别模型，在采集阶段，完成其他后续的数据处理。
[0035]本专利技术实施例中，基于深度神经网络的微地震事件识别模型的结构，如图2所示，包括：浅层特征提取模块和深层特征提取模块。
[0036]具体地，基于深度神经网络的微地震事件识别模型，在部署云端前，已经通过自有的微地震有效事件数据集进行了预训练，预训练后的模型已经可以初步地对微地震事件进行有效的识别。在实际应用时，在预采集阶段，微地震监测系统会先采集一定数量的有效微地震事件，并应用这些微地震事件对模型进行迁移学习。其目的是让模型能够更好地适应当前的使用环境。训练好模型后，云端会分别将浅层特征提取模块的参数发送给采集端，将深层特征提取模块的参数发送给边缘端。
[0037]本专利技术实施例中，在微地震数据采集阶段，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网端边云协同的微地震监测数据传输方法，其特征在于，包括：通过采集设备，获取微地震信号；通过设于所述采集设备内的本地浅层特征提取模块，对微地震信号进行降噪处理；通过设于边缘计算设备内的本地深层特征提取模块，从降噪后的微地震信号中识别有效微地震事件；将有效微地震事件传输至云端服务器。其中，所述采集设备、所述边缘计算设备通过无线传感器网络与所述云端服务器连接。2.如权利要求1所述的基于物联网端边云协同的微地震监测数据传输方法，其特征在于，多个所述采集设备通过第一无线传输设备与一个边缘计算设备无线通信连接，且多个所述边缘计算设备通过第二无线传输设备与一个云端服务器无线通信连接。3.如权利要求1所述的基于物联网端边云协同的微地震监测数据传输方法，其特征在于，所述采集设备包括：无线地震仪。4.如权利要求1所述的基于物联网端边云协同的微地震监测数据传输方法，其特征在于，还包括：通过设于所述云端服务器内训练后的基于深度神经网络的微地震事件识别模型，对所述采集设...

【专利技术属性】
技术研发人员：朱亚东洋，郜建玺，崔宁，黄霖，番俞伯，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：