一种无监督聚类的地震波形实时分类检测方法技术

本发明专利技术公开了一种无监督聚类的地震波形实时分类检测方法，包括：形成真实地震事件波形样本集过程；提取原始地震噪声信息，利用生成对抗网络生成仿真地震波形样本集；根据真实地震事件波形样本集和仿真地震波形样本集，利用变分自动编码器，采用无监督聚类方法，训练得到无监督地震波形分类识别模型；实时采集地震波形并检测地震事件，通过无监督地震波形分类识别模型得到检测到的地震事件的分类定性概率。本发明专利技术实现了对地震波特征的自学习，在数据样本的需求量上远低于一般深度学习的地震事件分类方法；采用变分自编码技术对地震波形样本进行自动聚类，不依赖大量人工对数据样本进行事件分类标注，可节约人力和物力成本。可节约人力和物力成本。可节约人力和物力成本。

【技术实现步骤摘要】
一种无监督聚类的地震波形实时分类检测方法


[0001]本申请涉及地震监测
，特别是涉及一种地震波形实时分类检测方法。

技术介绍

[0002]随着地震台网密度的不断增加、地震监测数据的不断扩充、地震监测能力的不断提高，地震台网监控到了越来越多以往监控不到的地震事件，比如塌陷、滑坡、泥石流、工业爆破等地震事件。快速准确地区分这些地震事件是由于地下介质运动引起的天然地震还是由于客观原因引起的非天然地震事件对于后续的震情研判和防灾减灾都具有重要意义。
[0003]近年来，一些非天然地震造成的危害层出不穷，比如2019年3月，江苏响水县生态化工园区发生爆炸，造成78人死亡；2013年11月，山东青岛中石化黄潍输油管线一输油管道发生破裂事造成35人死亡，166人受伤；2011年04月北京朝阳区和平街发生爆炸事故，造成楼体部分坍塌，6人死亡；2009年07月，河南洛阳偃师市顾县镇的洛染股份有限公司发生爆炸，造成7人死亡，上百人受伤。有统计表明，我国有30多个大中城市、420个县市处于地面塌陷高风险区，有40余座矿山、25条铁路线和数百座水库长期遭受岩溶地面塌陷的困扰。在我国己发生的岩溶地面塌陷灾害中，约70％为人类活动所诱发。过量开采地下水和矿山排水是产生岩溶地面塌陷的主要原因。其他行为，如拦蓄地表水、岩土工程施工、铁路公路施工、工程爆破等，也会诱发岩溶地面塌陷。因此，岩溶地面塌陷灾害往往发生在人口密集的城市、矿山或交通线上，给国民经济建设和人民生命财产带来严重影响和威胁。
[0004]非天然地震事件在近几年地震监测数据中大规模递增以后才被人们注意到，并且虽然非天然地震事件发生率高，但是与天然地震相比波形特征并不突出。特别是2.0级以下的地震事件，天然地震和非天然地震时常混淆，对于地震台网来说，实时准确识别天然地震或非天然地震是一个巨大的挑战。
[0005]体现在同一地区发生的天然地震与非天然地震波形的最大不同是由于震源深度不同所致，不同的震源深度造成了地震射线路径的不一致，从而体现在地震波形图上的不一致。但由于在区域台网中，一些小的地震事件传播的并不远，所以在地震台站的记录上非天然地震和天然地震波形并不容易分辨。
[0006]由于爆破、地震甚至坍塌等事件会激发相同或相近频率范围的振动波，实际地震观测台站拾取、记录的震动波反映了爆破、地震、坍塌等各种激发源信息，通过记录波识别激发源，提取滋发源信息，准确区分、识别地震和爆破等激发源类型对地震应急、地震资料的归类分析，评估区域性地震活动，了解区域地震工程的反应谱特征及地震预报是十分重要的。
[0007]现有实时定性分类技术方面，按照国际通行做法一般采用体波、面波级数比(mb/Ms)对天然地震和地下爆炸进行可能的区分。而近地表的地震事件，如工业爆破、岩爆或地下核爆炸等，一般产生短周期的瑞利波基阶波，成为Rg波表现正频散并在垂直分量上有相对较大的振幅。因天然地壳地震一般震源深度在5
‑
25Km，而位于低俯冲带区的中源或深源地震大于一个波长，因此无法激发Rg波，因此，是否能观测到Rg波一般用来区分近地表的人
工地震和天然地震。有众多的地震学家利用各种有效的地震模式识别和震相识别判据，在计算机上实现了初步的地震事件判别，但判别的最终结果多数还依靠后期人工干预，很大程度依赖于人的经验和智慧，没有形成一套完全脱离人工干预的自动化识别系统，从大量的地震事件中发现和筛选爆炸、塌陷、矿震、滑坡等地震事件则是十分困难的，尤其是震级较小的情况下，波形特征的判断受人工主观误差因素影响较为严重。
[0008]也出现了一些基于深度学习对地震波分类识别的方法，但这类解决方案在实施过程中，依赖庞大的、经过人工标注类型的地震数据集，人工标注类型数据集的制作会带来较大的人力成本。且在实际地震观测中，存在大量无法准确核实的非天然地震事件，比如一些人工爆破、地下塌陷等，因种种原因，在发震后无法人工核实实际发震情况，这都为后续准确的地震事件类型数据集的产生带来了极大的困难。

技术实现思路

[0009]基于此，针对上述技术问题，提供一种无监督聚类的地震波形实时分类检测方法，以解决现有技术存在的基于深度学习对地震波分类识别的方法依赖庞大的、经过人工标注类型的地震数据集，从而导致人力成本高的的问题。
[0010]为了实现上述目的，本专利技术提供如下技术方案：
[0011]一种无监督聚类的地震波形实时分类检测方法，包括：
[0012]步骤S1，根据区域测震台网观测到的地震事件数据，形成真实地震事件波形样本集；
[0013]步骤S2，提取原始地震噪声信息，并利用生成对抗网络生成仿真地震波形样本集，实现地震波形样本的扩充；
[0014]步骤S3，根据所述真实地震事件波形样本集和仿真地震波形样本集，利用变分自动编码器，采用无监督聚类方法，训练得到无监督地震波形分类识别模型；
[0015]步骤S4，实时采集地震波形并检测地震事件，将采集到的地震波形输入到训练好的无监督地震波形分类识别模型中，得到对检测到的地震事件的分类定性概率。
[0016]可选地，所述步骤S1具体包括：
[0017]步骤S11，在区域测震台网观测到有地震事件发生后，通过波形截取算法拾取相应的真实地震事件波形；通过设定的阈值，使用长短窗触发算法对拾取到的真实地震事件波形实现P波震相标注，从而形成相应的真实地震事件波形样本；
[0018]步骤S12，在观测到多个地震事件，并对观测到的每个地震事件按照步骤S11处理后，形成真实地震事件波形样本集。
[0019]进一步可选地，所述生成对抗网络包括地震波生成器和地震波鉴别器；所述变分自动编码器包括波形编码器和波形解码器。
[0020]进一步可选地，所述步骤S2具体包括：
[0021]步骤S21，对所述真实地震事件波形样本集中的真实地震事件波形样本，通过所述地震波生成器实现上采样；提取原始地震噪声信息，所述原始地震噪声信息与进行上采样后的所述真实地震事件波形样本的维度相同，并将所述原始地震噪声信息输入到地震波生成器中；
[0022]步骤S22，通过所述地震波生成器根据拟合参数生成一批次仿真地震波形样本，将
进行上采样后的所述真实地震事件波形样本和通过所述地震波生成器生成的一批次仿真地震波形样本，同时发送给所述地震波鉴别器；在所述地震波鉴别器中，将接收到的真实地震事件波形样本与标志位1进行关联训练，将地震波生成器生成的一批次仿真地震波形与标志位0进行关联训练；
[0023]步骤S23，关联地震波鉴别器与地震波生成器，当所述地震波鉴别器完成训练后，通过设计的损失函数衡量所述真实地震事件波形样本与通过所述地震波生成器生成的一批次仿真地震波形样本之间的差异程度，并将差异程度反馈给所述地震波生成器，使所述地震波生成器根据接收到的差异程度调整拟合参数；
[0024]步骤S24，不断执行步骤S22
‑
步骤S23来进行多批次的训练学习，直至通过所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无监督聚类的地震波形实时分类检测方法，其特征在于，包括：步骤S1，根据区域测震台网观测到的地震事件数据，形成真实地震事件波形样本集；步骤S2，提取原始地震噪声信息，并利用生成对抗网络生成仿真地震波形样本集，实现地震波形样本的扩充；步骤S3，根据所述真实地震事件波形样本集和仿真地震波形样本集，利用变分自动编码器，采用无监督聚类方法，训练得到无监督地震波形分类识别模型；步骤S4，实时采集地震波形并检测地震事件，将采集到的地震波形输入到训练好的无监督地震波形分类识别模型中，得到对检测到的地震事件的分类定性概率。2.根据权利要求1所述的无监督聚类的地震波形实时分类检测方法，其特征在于，所述步骤S1具体包括：步骤S11，在区域测震台网观测到有地震事件发生后，通过波形截取算法拾取相应的真实地震事件波形；通过设定的阈值，使用长短窗触发算法对拾取到的真实地震事件波形实现P波震相标注，从而形成相应的真实地震事件波形样本；步骤S12，在观测到多个地震事件，并对观测到的每个地震事件按照步骤S11处理后，形成真实地震事件波形样本集。3.根据权利要求2所述的无监督聚类的地震波形实时分类检测方法，其特征在于，所述生成对抗网络包括地震波生成器和地震波鉴别器；所述变分自动编码器包括波形编码器和波形解码器。4.根据权利要求3所述的无监督聚类的地震波形实时分类检测方法，其特征在于，所述步骤S2具体包括：步骤S21，对所述真实地震事件波形样本集中的真实地震事件波形样本，通过所述地震波生成器实现上采样；提取原始地震噪声信息，所述原始地震噪声信息与进行上采样后的所述真实地震事件波形样本的维度相同，并将所述原始地震噪声信息输入到地震波生成器中；步骤S22，通过所述地震波生成器根据拟合参数生成一批次仿真地震波形样本，将进行上采样后的所述真实地震事件波形样本和通过所述地震波生成器生成的一批次仿真地震波形样本，同时发送给所述地震波鉴别器；在所述地震波鉴别器中，将接收到的真实地震事件波形样本与标志位1进行关联训练，将地震波生成器生成的一批次仿真地震波形与标志位0进行关联训练；步骤S23，关联地震波鉴别器与地震波生成器，当所述地震波鉴别器完成训练后，通过设计的损失函数衡量所述真实地震事件波形样本与通过所述地震波生成器生成的一批次仿真地震波形样本之间的差异程度，并将差异程度反馈给所述地震波生成器，使所述地震波生成器根据接收到的差异程度调整拟合参数；步骤S24，不断执行步骤S22
‑
步骤S23来进行多批次的训练学习，直至通过所述地震波生成器生成的一批次仿真地震波形样本与所述真实地震事件波形样本的相似程度达到预设阈值；步骤S25，将所述地震波生成器最终生成的相应一批次仿真地震波形，作为仿真地震波形样本集，实现了地震波形样本的增量扩充。5.根据权利要求4所述的无监督聚类的地震波形实时分类检测方法，其特征在于，所述
步骤S3具体包括：步骤S31，将所述真实地震事件波形样本集和仿真地震波形样本集进行合并和混淆，形成无监督地震波形分类识...

【专利技术属性】
技术研发人员：贾漯昭，王志铄，邢康，吴亚锋，刘晓锋，
申请(专利权)人：河南省地震局，
类型：发明
国别省市：