一种微震震动波到时智能拾取方法技术

本发明专利技术涉及微震监测技术领域，尤其涉及一种微震震动波到时智能拾取方法，针对当前现有的微震监测技术仍存在监测过程存在大量杂音致使微震信号的到时难以精确拾取的问题，现提出如下方案，其中包括以下步骤：S1：采集数据，S2：神经网络训练，S3：到时点拾取，本发明专利技术的目的是通过提供一种微震震动波到时智能拾取方法，拾取时不易受到干扰，适用性强，提高了到时拾取的准确率和微震监测效果，同时在整体上提高了工作效率和经济效益。高了工作效率和经济效益。高了工作效率和经济效益。

【技术实现步骤摘要】
一种微震震动波到时智能拾取方法


[0001]本专利技术涉及微震监测
，尤其涉及一种微震震动波到时智能拾取方法。

技术介绍

[0002]随着信息化、数字化、智能化的发展，微震监测作为工程地质灾害预警技术，在隧道开拓、地下矿山岩爆、矿震及透水监测，边坡滑坡等领域有较多应用。
[0003]随着工程实践应用的增多，大量的岩体破裂事件被采集、识别、分析与灾害预测与控制，大量的波形数据分析成为工作人员繁重的日常工作。微震波到时拾取作为信号分析的首要工作，对微震定位、波形频谱分析、岩体破裂机理分析以及实时监测预警起到重要的作用。但隧道、边坡等工程的监测环境较为复杂，岩石破裂信号容易受到机械振动、爆破震动以及自然噪声的干扰，致使微震信号的到时难以精确拾取。因此，准确、快速的确定微震信号的到时成为微震监测技术实现实时灾害预防的关键问题。
[0004]但是目前现有的微震监测技术仍存在监测过程存在大量杂音致使微震信号的到时难以精确拾取的问题，因此，我们提出一种微震震动波到时智能拾取方法用于解决上述问题。

技术实现思路

[0005]本专利技术的目的是为了解决目前现有的微震监测技术仍存在监测过程存在大量杂音致使微震信号的到时难以精确拾取等问题，而提出的一种微震震动波到时智能拾取方法。
[0006]为了实现上述目的，本专利技术采用了如下技术方案：
[0007]一种微震震动波到时智能拾取方法，包括以下步骤：
[0008]S1：采集数据：利用微震数据采集装置采集数据，并形成微震震动波波形文件；
[0009]S2：神经网络训练：将采集得到的微震信号进行处理，并使用训练集文件对神经网络进行训练；
[0010]S3：到时点拾取：将采集好的微震信号放入训练好的神经网络进行到时点拾取；
[0011]优选的，所述S1中，利用微震数据采集装置采集一千多段微震震动波波形文件，并将所采集到的震动波波形文件传输到计算机内搭建好的神经网络之中进行训练；
[0012]优选的，所述S2中，将采集得到的微震信号进行处理，并分别对其文件进行命名，同时制作好与命名相对应的标签，将训练集文件准备好后运行神经网络，并使用训练集文件对神经网络进行训练，将制作好的训练数据集和其所对应的标签进行训练形成微震震动波波形文件，其中进行训练时一个训练数据集形成一段微震震动波波形文件，且每段波形文件内含有1024个微震数据点，标签的特征为每段微震震动波波形文件都有一个与之相对应的标签，每个标签内含有1024个数据，且每个微震数据点都有标签，将这些标签数据规定为0和1，其中进行数据规定时到时点之前的规定为0，到时点之后的规定为1，将训练文件准备好之后需对这些训练文件进行预处理，其中所述预处理是将训练文件进行去均值和归一
化，其中所述去均值是对训练数据中的每个数据都减去所有数据的平均值，所述归一化是将数据的所有维度都归一化，并使其数值范围都近似相等，同时将每个训练文件中所有维度上的数据都除以这个维度上数据的绝对值最大值，将所有数据的大小范围规定在0和1之间，并将所有的训练集文件和标签放在程序中所写好的路径内，通过运行神经网络进行训练；
[0013]优选的，所述S3中，将采集好的微震信号放入训练好的神经网络，并对训练好的神经网络进行拾取得出一个特征图，其中所述特征图可以预测出到时点，微震事件数量多时，短时间内无法对全部事件进行到时拾取则采用基于U形神经网络的微震震动波到时智能拾取方法，可以有效的提高效率，这种智能拾取到时方法不仅拾取效率高，而且快速、准确、适用性强，以往的到时拾取方法稳定性较差，不同的参数和阈值选择对结果影响很大，而且灵敏度较低，对信噪比较低的微震信号，检测效果往往难以达到预期，通过利用搭建好的神经网络能自动学习不同层次的特征，并通过较深的卷积层学习更加抽象的特征，，同时提升模型分类能力和泛化能力，通过增多训练时间提高网络拾取的准确率，其中所述神经网络所采用的损失函数是其中y
i
是标签，为预测值，且所述激活函数采用了relu和softmax激活函数，将需要拾取到时点的微震震动波波形文件放入程序文件夹内，放入后运行神经网络，同时通过将需要拾取到时点的微震震动波波形文件的文件名输入到程序内得到一个特征图，其中所述特征图将显示出每一个数据点可能为微震事件的概率，且规定概率大于0.5的为微震事件，通过根据特征图将第一个为微震事件的数据点作为到时点进行拾取。
[0014]与现有技术相比，本专利技术的有益效果是：
[0015]1、通过提供一种微震震动波到时智能拾取方法，拾取时不易受到干扰，适用性强，提高了到时拾取的准确率和微震监测效果，同时在整体上提高了工作效率和经济效益。
[0016]本专利技术的目的是通过提供一种微震震动波到时智能拾取方法，拾取时不易受到干扰，适用性强，提高了到时拾取的准确率和微震监测效果，同时在整体上提高了工作效率和经济效益。
附图说明
[0017]图1为本专利技术提出的一种微震震动波到时智能拾取方法的流程图；
[0018]图2为本专利技术提出的一种微震震动波到时智能拾取方法的特征图；
[0019]图3为本专利技术提出的一种微震震动波到时智能拾取方法的到时点拾取图；
[0020]图4为本专利技术提出的一种微震震动波到时智能拾取方法的系统运行流程图。
具体实施方式
[0021]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0022]实施例一
[0023]参照图1
‑
4，一种微震震动波到时智能拾取方法，包括以下步骤：
[0024]S1：采集数据：利用微震数据采集装置采集一千多段微震震动波波形文件，并将所
采集到的震动波波形文件传输到计算机内搭建好的神经网络之中进行训练；
[0025]S2：神经网络训练：将采集得到的微震信号进行处理，并分别对其文件进行命名，同时制作好与命名相对应的标签，将训练集文件准备好后运行神经网络，并使用训练集文件对神经网络进行训练，将制作好的训练数据集和其所对应的标签进行训练形成微震震动波波形文件，其中进行训练时一个训练数据集形成一段微震震动波波形文件，且每段波形文件内含有1024个微震数据点，标签的特征为每段微震震动波波形文件都有一个与之相对应的标签，每个标签内含有1024个数据，且每个微震数据点都有标签，将这些标签数据规定为0和1，其中进行数据规定时到时点之前的规定为0，到时点之后的规定为1，将训练文件准备好之后需对这些训练文件进行预处理，其中所述预处理是将训练文件进行去均值和归一化，其中所述去均值是对训练数据中的每个数据都减去所有数据的平均值，所述归一化是将数据的所有维度都归一化，并使其数值范围都近似相等，同时将每个训练文件中所有维度上的数据都除以这个维度上数据的绝对值最大值，将所有数据的大小范围规定在0和1之间，并将所有的训练集文件和标签放在程序中所写好的路径内，通过运行神经网络进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种微震震动波到时智能拾取方法，其特征在于，包括以下步骤：S1：采集数据：利用微震数据采集装置采集数据，并形成微震震动波波形文件；S2：神经网络训练：将采集得到的微震信号进行处理，并使用训练集文件对神经网络进行训练；S3：到时点拾取：将采集好的微震信号放入训练好的神经网络进行到时点拾取。2.根据权利要求1所述的一种微震震动波到时智能拾取方法，其特征在于，所述S1中，利用微震数据采集装置采集一千多段微震震动波波形文件，并将所采集到的震动波波形文件传输到计算机内搭建好的神经网络之中进行训练。3.根据权利要求1所述的一种微震震动波到时智能拾取方法，其特征在于，所述S2中，将采集得到的微震信号进行处理，并分别对其文件进行命名，同时制作好与命名相对应的标签，将训练集文件准备好后运行神经网络，并使用训练集文件对神经网络进行训练。4.根据权利要求3所述的一种微震震动波到时智能拾取方法，其特征在于，将制作好的训练数据集和其所对应的标签进行训练形成微震震动波波形文件，其中进行训练时一个训练数据集形成一段微震震动波波形文件，且每段波形文件内含有1024个微震数据点，标签的特征为每段微震震动波波形文件都有一个与之相对应的标签，每个标签内含有1024个数据，且每个微震数据点都有标签，将这些标签数据规定为0和1，其中进行数据规定时到时点之前的规定为0，到时点之后的规定为1，将训练文件准备好之后需对这些训练文件进行预处理，其中所述预处理是将训练文件进行去均值和归一化，其中所述去均值是对训练数据中的每个数据都减去所有数据的平均值，所述归一化是将数据的所有维度...

【专利技术属性】
技术研发人员：刘伟建，常浩源，肖扬，张志增，董森森，侯梦杰，
申请(专利权)人：郑州安岩智能科技有限公司，
类型：发明
国别省市：