基于深度学习的DAS同井监测实时微地震有效事件识别方法技术

本发明专利技术提供一种基于深度学习的DAS同井监测实时微地震有效事件识别方法，包括：构建基于DAS的水平井微地震监测系统；构建训练数据集，训练数据集包括具有不同类型标签的微地震事件数据、管道波数据和背景噪音数据；构建信号识别模块；使用训练数据集训练信号识别模块；对实际监测数据进行预处理，将预处理后的数据输入信号识别模块，获得输出结果；对输出结果中识别到的微地震事件进行标记，并将标记的微地震事件更新到训练数据集中；以及对信号识别模块进行调整和更新。本发明专利技术的识别方法能够实时、高效地识别DAS同井监测数据中的微地震事件，识别的微地震事件可以补充训练数据集，进一步更新信号识别模块，提升模块的适应性。性。性。

【技术实现步骤摘要】
基于深度学习的DAS同井监测实时微地震有效事件识别方法


[0001]本专利技术涉及微地震监测和深度学习
，具体涉及一种基于深度学习的DAS同井监测实时微地震有效事件识别方法，包括使用训练数据集训练信号识别模块、对实际监测数据进行预处理、将预处理后的数据输入信号识别模块获得输出结果等，因此它属于地震勘探或探测中对地震数据的处理。

技术介绍

[0002]水力压裂技术是将高压流体注入页岩储层产生复杂的人工裂缝，可以增加储层的连通性并提高单井产量。对水力压裂储层改造的不同阶段进行监测和评估，是实现高效开发、安全生产的前提。
[0003]微地震监测技术是非常规资源开发中进行水力压裂实时监测的重要手段之一。微地震监测技术通过监测水力压裂过程中产生的微震信号来评估压裂效果，进而指导和优化工程参数。微地震监测主要包含有效事件拾取，有效事件信号增强，微地震震源定位，微地震震源分析，储层应力分析和储层裂缝计算等方面。
[0004]分布式光纤声波传感（Distributed Acoustic Sensing，DAS）是近年来快速发展的一项新兴数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的DAS同井监测实时微地震有效事件识别方法，其特征在于，所述识别方法包括：构建基于DAS的水平井微地震监测系统；构建训练数据集，所述训练数据集包括具有不同类型标签的微地震事件数据、管道波数据和背景噪音数据；构建信号识别模块：信号识别模块由深度神经网络构成；所述网络包含卷积子网络和注意力机制子网络；信号识别模块的输入数据使用2个卷积层提取基本的特征，数据大小分别为256
×
256，卷积核为32
×3×
3；卷积子网络包含2个卷积层，数据大小分别为256
×
256，卷积核为32
×3×
3，其中，第一维为卷积个数，第二维和第三维为卷积尺寸；注意力机制子网络包含1个卷积层和2个池化层，卷积层的数据大小为256
×
256，卷积核为32
×3×
3；2个池化层为1个平均池化层和1个最大池化层，2个池化层通过连接层连接，然后使用卷积层，卷积层数据大小为128
×
128，卷积核为64
×3×
3；卷积子网络和注意力机制子网络通过连接层连接，然后使用2个卷积层，数据大小分别为128
×
128，卷积核为64
×3×
3；然后，使用2个全连接层，大小为1024
×
1；信号识别模块的输入为所述不同类型标签的微地震事件数据、管道波数据和背景噪音数据，输出为预测的标签值，用预测的标签值与准确标签的误差来更新网络参数；所述网络采用交叉熵作为损失函数计算神经网络的误差；使用训练数据集训练信号识别模块；对实际监测数据进行预处理，将预处理后的数据输入信号识别模块，获得输出结果；对输出结果中识别到的微地震事件进行标记，并将标记的微地震事件更新到所述训练数据集中；以及对信号识别模块进行调整和更新。2.根据权利要求1所述的基于深度学习的DAS同井监测实时微地震有效事件识别方法，其特征在于，所述构建训练数据集包括：生成微地震事件数据、管道波数据和背景噪音数据的初始数据；对微地震事件数据、管道波数据和背景噪音数据的初始数据进行数据增广；对所有数据进行预处理。3.根据权利要求2所述的基于深度学习的DAS同井监测实时微地震有效事件识别方法，其特征在于：微地震事件数据的初始数据包括第一部分数据和第二部分数据，所述第一部分数据为在人工模拟合成的不包含管道波和背景噪音的数据中添加实际采集到的管道波形成的数据；第二部分数据为实际监测得到的包含管道波和背景噪音的微地震事件数据；管道波数据的初始数据为在压裂平台压裂初期实际监测获得的管道波数据；和/或背...

【专利技术属性】
技术研发人员：郑忆康，王一博，武绍江，姚艺，
申请(专利权)人：中国科学院地质与地球物理研究所，
类型：发明
国别省市：