一种适用于实时地震数据处理的深度学习芯片制造技术

本发明专利技术公开了一种适用于实时地震数据处理的深度学习芯片，包括：特征提取子系统、P波初至感应子系统、S波初至感应子系统和微地震估计子系统；所述特征提取子系统用于提取微地震检测数据，得到微地震特征数据；所述P波初至感应子系统用于提取微地震特征数据中P波初至时间；所述S波初至感应子系统用于提取微地震特征数据中S波初至时间；所述微地震估计子系统用于根据P波初至时间和S波初至时间预估微地震震源；本发明专利技术解决了现有技术仅提取P波或者P波初至无法对微地震的震源距离进行衡量的问题。问题。问题。

【技术实现步骤摘要】
一种适用于实时地震数据处理的深度学习芯片


[0001]本专利技术涉及地震感应
，具体涉及一种适用于实时地震数据处理的深度学习芯片。

技术介绍

[0002]微地震是一种小型的地震。在地下矿井深部开采过程中发生岩石破裂和地震活动，常常是不可避免的现象。由开采诱发的地震活动，微地震通常定义为，在开采坑道附近的岩体内因应力场变化导致岩石破坏而引起的那些地震。
[0003]现有文献“基于胶囊神经网络的微地震P波初至拾取方法及系统”和“一种基于深度卷积神经网络的微地震P波识别方法及系统”都是对P波进行识别或者对P波初至进行提取，但仅提取P波或者P波初至无法对微地震的震源距离进行衡量。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种适用于实时地震数据处理的深度学习芯片解决了现有技术仅提取P波或者P波初至无法对微地震的震源距离进行衡量的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种适用于实时地震数据处理的深度学习芯片，包括：特征提取子系统、P波初至感应子系统、S波初至感应子系统和微地震估计子系统；
[0006]所述特征提取子系统用于提取微地震检测数据，得到微地震特征数据；所述P波初至感应子系统用于提取微地震特征数据中P波初至时间；所述S波初至感应子系统用于提取微地震特征数据中S波初至时间；所述微地震估计子系统用于根据P波初至时间和S波初至时间预估微地震震源。
[0007]进一步地，所述特征提取子系统包括：CNN单元、第一BiLSTM单元、第二BiLSTM单元和第一全局注意力单元；
[0008]所述CNN单元的输入端作为特征提取子系统的输入端，其用于输入微地震检测数据；所述第一BiLSTM单元的输入端与CNN单元的输出端连接，其输出端与第二BiLSTM单元的输入端连接；所述第一全局注意力单元的输入端与第二BiLSTM单元的输出端连接，其输出端作为特征提取子系统的输出端。
[0009]进一步地，所述CNN单元包括：第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第三最大池化层、第四卷积层、第四最大池化层、第五卷积层和第五最大池化层；
[0010]所述第一卷积层的输入端作为CNN单元的输入端，其输出端与第一最大池化层的输入端连接；所述第二卷积层的输入端与第一最大池化层的输出端连接，其输出端与第二最大池化层的输入端连接；所述第三卷积层的输入端与第二最大池化层的输出端连接，其输出端与第三最大池化层的输入端连接；所述第四卷积层的输入端与第三最大池化层的输
出端连接，其输出端与第四最大池化层的输入端连接；所述第五卷积层的输入端与第四最大池化层的输出端连接，其输出端与第五最大池化层的输入端连接；所述第五最大池化层的输出端作为CNN单元的输出端。
[0011]进一步地，所述P波初至感应子系统包括：第三BiLSTM单元、第二全局注意力单元和第一全连接层单元；
[0012]所述第三BiLSTM单元的输入端作为P波初至感应子系统的输入端；所述第二全局注意力单元的输入端与第三BiLSTM单元的输出端连接，其输出端与第一全连接层单元的输入端连接；所述第一全连接层单元的输出端作为P波初至感应子系统的输出端。
[0013]进一步地，所述S波初至感应子系统包括：第四BiLSTM单元、第三全局注意力单元和第二全连接层单元；
[0014]所述第四BiLSTM单元的输入端作为S波初至感应子系统的输入端连接；所述第三全局注意力单元的输入端与第四BiLSTM单元的输出端连接，其输出端与第二全连接层单元的输入端连接；所述第二全连接层单元的输出端作为S波初至感应子系统的输出端。
[0015]进一步地，所述特征提取子系统、P波初至感应子系统或S波初至感应子系统中的BiLSTM单元的LSTM模块中细胞的输入输出关系为：
[0016]f
t
＝σ[(W
f
·
(y
t
‑1，x
t
，C
t
‑1)+b
f
][0017]i
t
＝tanh[W
i
·
(y
t
‑1，x
t
，C
t
‑1)+b
i
][0018]h
t
＝σ[W
h
·
(y
t
‑1，x
t
，C
t
‑1)+b
h
][0019]C
t
＝(C
t
‑1⊙
f
t
+(1
‑
f
t
)
⊙
i
t
)
⊙
((1
‑
i
t
)
⊙
h
t
)
[0020]y
t
＝σ[W
o
·
(y
t
‑1，x
t
，C
t
‑1，C
t
)+b
o
]⊙
tanh[C
t
][0021]其中，f
t
为t时刻遗忘门的输出，σ[]为sigmoid激活函数，W
f
为遗忘门的权重，b
f
为遗忘门的偏置，y
t
‑1为t
‑
1时刻细胞的输出，x
t
为t时刻细胞的输入，C
t
‑1为t
‑
1时刻细胞的状态，i
t
为t时刻输入门的输出，tanh[]为双曲正切激活函数，W
i
为输入门的权重，b
i
为输入门的偏置，h
t
为t时刻候选门的输出，W
h
为候选门的权重，b
h
为候选门的偏置，C
t
为t时刻细胞的状态，
⊙
为哈达玛积，y
t
为t时刻输出门的输出，W
o
为输出门的权重，b
o
为输出门的偏置。
[0022]上述进一步方案的有益效果为：在LSTM模块中考虑上一时刻的状态C
t
‑1、当前时刻的输入x
t
、上一时刻的输出y
t
‑1，使细胞在运算时，充分考虑状态、输入和输出之间的关系。
[0023]进一步地，所述特征提取子系统、P波初至感应子系统或S波初至感应子系统中全局注意力单元包括：第六卷积层、Softmax层、乘法器、第七卷积层、ReLU层、第八卷积层和加法器；
[0024]所述第六卷积层的输入端分别与乘法器的第一输入端和加法器的第一输入端连接，并作为全局注意力单元的输入端；所述Softmax层的输入端与第六卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于实时地震数据处理的深度学习芯片，其特征在于，包括：特征提取子系统、P波初至感应子系统、S波初至感应子系统和微地震估计子系统；所述特征提取子系统用于提取微地震检测数据，得到微地震特征数据；所述P波初至感应子系统用于提取微地震特征数据中P波初至时间；所述S波初至感应子系统用于提取微地震特征数据中S波初至时间；所述微地震估计子系统用于根据P波初至时间和S波初至时间预估微地震震源。2.根据权利要求1所述的适用于实时地震数据处理的深度学习芯片，其特征在于，所述特征提取子系统包括：CNN单元、第一BiLSTM单元、第二BiLSTM单元和第一全局注意力单元；所述CNN单元的输入端作为特征提取子系统的输入端，其用于输入微地震检测数据；所述第一BiLSTM单元的输入端与CNN单元的输出端连接，其输出端与第二BiLSTM单元的输入端连接；所述第一全局注意力单元的输入端与第二BiLSTM单元的输出端连接，其输出端作为特征提取子系统的输出端。3.根据权利要求2所述的适用于实时地震数据处理的深度学习芯片，其特征在于，所述CNN单元包括：第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第三最大池化层、第四卷积层、第四最大池化层、第五卷积层和第五最大池化层；所述第一卷积层的输入端作为CNN单元的输入端，其输出端与第一最大池化层的输入端连接；所述第二卷积层的输入端与第一最大池化层的输出端连接，其输出端与第二最大池化层的输入端连接；所述第三卷积层的输入端与第二最大池化层的输出端连接，其输出端与第三最大池化层的输入端连接；所述第四卷积层的输入端与第三最大池化层的输出端连接，其输出端与第四最大池化层的输入端连接；所述第五卷积层的输入端与第四最大池化层的输出端连接，其输出端与第五最大池化层的输入端连接；所述第五最大池化层的输出端作为CNN单元的输出端。4.根据权利要求1所述的适用于实时地震数据处理的深度学习芯片，其特征在于，所述P波初至感应子系统包括：第三BiLSTM单元、第二全局注意力单元和第一全连接层单元；所述第三BiLSTM单元的输入端作为P波初至感应子系统的输入端；所述第二全局注意力单元的输入端与第三BiLSTM单元的输出端连接，其输出端与第一全连接层单元的输入端连接；所述第一全连接层单元的输出端作为P波初至感应子系统的输出端。5.根据权利要求1所述的适用于实时地震数据处理的深度学习芯片，其特征在于，所述S波初至感应子系统包括：第四BiLSTM单元、第三全局注意力单元和第二全连接层单元；所述第四BiLSTM单元的输入端作为S波初至感应子系统的输入端连接；所述第三全局注意力单元的输入端与第四BiLSTM单元的输出端连接，其输出端与第二全连接层单元的输入端连接；所述第二全连接层单元的输出端作为S波初至感应子系统的输出端。6.根据权利要求2、4、5任一项所述的适用于实时地震数据处理的深度学习芯片，其特征在于，所述特征提取子系统、P波初至感应子系统或S波初至感应子系统中的BiLSTM单元的LSTM模块中细胞的输入输出关系为：f
t
＝σ[(W
f
·
(y
t
‑1，x
t
，C
t
‑1)+b
f
]i
t
＝tanh[W
i
·
(y
t
‑1，x
t
，C
t
‑1)+b
i
]h
t
＝σ[W
h
·
(y
t
‑1，x
t
，C
t
‑1)+b
h
]C
t
＝(C
t...

【专利技术属性】
技术研发人员：薛清峰，王一博，郑忆康，
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：