基于指纹识别的微地震事件识别方法及电子设备技术

本申请涉及基于指纹识别的微地震事件识别方法及电子设备，属于微地震检测技术领域，本申请的方法包括，获取设置在同一监测区域的多个微地震台站的记录数据；针对各记录数据分别进行识别处理，得到各记录数据所对应的识别结果；基于识别结果，对各记录数据对应时刻的检测事件进行聚类处理，得到最终的识别结果；其中，分别进行识别处理，包括对各记录数据中任一记录数据进行如下处理步骤：基于该记录数据，进行初至到时拾取，确定高信噪比的模板事件；对模板事件进行特征信息提取压缩，制作用于识别微地震事件的指纹；基于与指纹的相似性，从该记录数据中识别确认微地震事件。本申请的技术方案，有利于识别出低信噪比的微地震事件。事件。事件。

【技术实现步骤摘要】
基于指纹识别的微地震事件识别方法及电子设备


[0001]本申请属于微地震检测
，具体涉及一种基于指纹识别的微地震事件识别方法及电子设备。

技术介绍

[0002]近年来随着页岩油、致密油等非常规油气资源的规模勘探开发，作为监测井下水力压裂效果的关键技术，微地震监测技术迅速发展。检测到水力压裂过程中的微地震事件可用于石油工业的压裂检测，以及对地下结构进行监测。由于微地震数据采样频率高，所以数据量大，且微地震震级较小，易受传播路径和其他原因等干扰，导致微地震数据信噪比通常较低。
[0003]现有的相关检测方法中，能量比法对于低信噪比事件检测效果不佳；AIC算法计算过程需要使用统计模型，阶数M计算速度慢，效率低；模板匹配法需要先验模板，且计算时间较长。现有的这些相关检测方法用于对微地震事件进行检测时，会出现检测速度慢，检测微震事件数量少，整体检测效果不理想。

技术实现思路

[0004]为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于指纹识别方法的微地震事件识别方法及电子设备，以解决现有微地震事件检测方法实现检测效果不理想的技术问题。
[0005]为实现以上目的，本申请采用如下技术方案：
[0006]第一方面，
[0007]本申请提供一种基于指纹识别的微地震事件识别方法，其包括：
[0008]获取设置在同一监测区域的多个微地震台站的记录数据；
[0009]针对各所述记录数据分别进行识别处理，得到各记录数据所对应的识别结果；
[0010]基于所述识别结果，对各所述记录数据对应时刻的检测事件进行聚类处理，得到最终的识别结果；
[0011]其中，所述分别进行识别处理，包括对各所述记录数据中任一记录数据进行如下处理步骤：
[0012]基于该所述记录数据，进行初至到时拾取，确定高信噪比的模板事件；
[0013]对所述模板事件进行特征信息提取压缩，制作用于识别微地震事件的指纹；
[0014]基于与所述指纹的相似性，从该记录数据中识别确认微地震事件。
[0015]可选地，所述对所述模板事件进行特征信息提取压缩，制作用于识别微地震事件的指纹，包括：
[0016]对所述模板事件对应的记录数据进行短时傅里叶变换计算，得到相应的短时傅里叶时频图，并对所述短时傅里叶时频图的矩阵表示进行小波变换，得到变换后的二维矩阵；
[0017]计算所述二维矩阵中矩阵元素的平均值，并比较各矩阵元素与所述平均值的绝对
值偏差大小，确定偏差较大的第一元素集合，以及剩余的第二元素集合；
[0018]在所述二维矩阵中，将属于第一元素集合且偏差为正向偏差的矩阵元素设置为10，将属于第一元素集合且偏差为负向偏差的矩阵元素设置为01，以及将属于第二元素集合的矩阵元素设置为00，得到置数变换后的稀疏矩阵；
[0019]将所述稀疏矩阵所表征的特征信息作为所述模板事件的指纹。
[0020]可选地，所述确定偏差较大的第一元素集合，以及剩余的第二元素集合，具体为：
[0021]基于绝对值偏差大小将矩阵元素进行排序，得到偏差值由大到小排序的元素序列；
[0022]截取所述元素序列中前第一预设百分比的元素作为所述第一元素集合中元素，并将所述元素序列中其余元素作为所述第二元素集合中元素。
[0023]可选地，所述基于与所述指纹的相似性，从该记录数据中识别确认微地震事件，包括：
[0024]对该所述记录数据以模板事件持续时长为时窗长度进行分窗处理，基于各时窗所对应的记录数据进行特征信息提取压缩，得到相应的待识别事件的指纹；
[0025]针对各待识别事件的指纹，以模板事件的指纹为匹配对象分别进行相似性匹配，确定相似度评价值大于预设阈值的指纹；
[0026]将相似度评价值大于预设阈值的指纹所对应的待识别事件作为识别出的微地震事件。
[0027]可选地，所述分窗处理过程中，相邻时窗重叠长度与时窗长度之比不大于第二预设百分比。
[0028]可选地，所述进行相似性匹配，具体为：
[0029]基于局部敏感哈希算法，计算要匹配的两稀疏矩阵之间的Jaccard相似度，将计算得到的Jaccard相似度值作为相应指纹的相似度评价值。
[0030]可选地，所述基于该所述记录数据，进行初至到时拾取，具体为：
[0031]对该所述记录数据进行去噪处理，采用STA/LTA方法拾取去噪后的记录数据的初至到时。
[0032]可选地，采用同态反卷积方法对该所述记录数据进行去噪处理。
[0033]可选地，采用DBSCAN算法对各所述记录数据对应时刻的检测事件进行聚类处理。
[0034]第二方面，
[0035]本申请提供一种电子设备，包括：
[0036]存储器，其上存储有可执行程序；
[0037]处理器，用于执行所述存储器中的所述可执行程序，以实现上述所述方法的步骤。
[0038]本申请采用以上技术方案，至少具备以下有益效果：
[0039]本申请的技术方案中，获取设置在同一监测区域的多个微地震台站的记录数据；针对各记录数据分别进行识别处理，得到各记录数据所对应的识别结果；基于识别结果，对各记录数据对应时刻的检测事件进行聚类处理，得到最终的识别结果；对各记录数据中任一记录数据的识别处理方式为：基于该记录数据，进行初至到时拾取，确定高信噪比的模板事件；对模板事件进行特征信息提取压缩，制作用于识别微地震事件的指纹；基于与指纹的相似性，从该记录数据中识别确认微地震事件。本申请中，基于容易识别出的高信噪比的模
板事件进行指纹制作，利用制作出指纹再进行微地震事件识别，该种方式有利于识别出低信噪比的微地震事件，且指纹制作过程中进行了特征信息提取压缩，有利于降低相似性匹配过程中的算力需求，整体上提升了微地震事件的检测识别效率。
[0040]本专利技术的其他优点、目标，和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。
附图说明
[0041]附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。
[0042]图1为本申请一个实施例提供的基于指纹识别的微地震事件识别方法的整体流程示意图；
[0043]图2为图1所示实施例中针对一台站的记录数据的识别处理流程示意图；
[0044]图3为本申请一个实施例中基于指纹识别的微地震事件识别方法的流程示意说明图；
[0045]图4为本申请一个实施例中去噪处理过程的示意说明图；
[0046]图5为本申请一个实施例中制作指纹过程的示意说明图；
[0047]图6为本申请一个实施例中进行微地震事件识别的结果示例说明图；...

【技术保护点】

【技术特征摘要】
1.一种基于指纹识别的微地震事件识别方法，其特征在于，包括：获取设置在同一监测区域的多个微地震台站的记录数据；针对各所述记录数据分别进行识别处理，得到各记录数据所对应的识别结果；基于所述识别结果，对各所述记录数据对应时刻的检测事件进行聚类处理，得到最终的识别结果；其中，所述分别进行识别处理，包括对各所述记录数据中任一记录数据进行如下处理步骤：基于该所述记录数据，进行初至到时拾取，确定高信噪比的模板事件；对所述模板事件进行特征信息提取压缩，制作用于识别微地震事件的指纹；基于与所述指纹的相似性，从该记录数据中识别确认微地震事件。2.根据权利要求1所述的微地震事件识别方法，其特征在于，所述对所述模板事件进行特征信息提取压缩，制作用于识别微地震事件的指纹，包括：对所述模板事件对应的记录数据进行短时傅里叶变换计算，得到相应的短时傅里叶时频图，并对所述短时傅里叶时频图的矩阵表示进行小波变换，得到变换后的二维矩阵；计算所述二维矩阵中矩阵元素的平均值，并比较各矩阵元素与所述平均值的绝对值偏差大小，确定偏差较大的第一元素集合，以及剩余的第二元素集合；在所述二维矩阵中，将属于第一元素集合且偏差为正向偏差的矩阵元素设置为10，将属于第一元素集合且偏差为负向偏差的矩阵元素设置为01，以及将属于第二元素集合的矩阵元素设置为00，得到置数变换后的稀疏矩阵；将所述稀疏矩阵所表征的特征信息作为所述模板事件的指纹。3.根据权利要求2所述的微地震事件识别方法，其特征在于，所述确定偏差较大的第一元素集合，以及剩余的第二元素集合，具体为：基于绝对值偏差大小将矩阵元素进行排序，得到偏差值由大到小排序的元素序列；截取所述元素序列中前第一预设百分比的元素作为所述第一元素集合中元素，并将所述元...

【专利技术属性】
技术研发人员：李秋雨，孟晓波，陈海潮，陈欣星，陈信宇，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：