【技术实现步骤摘要】
基于CNN
‑
LSTM与多头注意力机制的微地震P波S波分离方法
[0001]本专利技术属于微地震监测领域，具体而言，涉及一种基于CNN
‑
LSTM与多头注意力机制的微地震P波S波分离方法。
技术介绍
[0002]目前，开发干热岩资源的关键性技术是水力压裂技术，将高压流体注入储层产生复杂的人工裂缝，进而提取干热岩其内部热量。在水力压裂施工过程中，往往会遇到定位难、事件大小不易观测、压裂缝空间走向不明确等问题。为解决上述问题，利用压裂过程中产生的大量可观测微地震事件对水力压裂的整个过程进行监测与分析就变的尤为重要，是实现干热岩高效开发并实现安全生产的前提。
[0003]微地震监测技术主要包括有效事件拾取，有效事件信号增强，微地震震源定位等。在实际监测时，往往会遇到信噪比较低的情况，由于微地震信号能量较微弱，很容易被背景噪声所淹没，无法准确的对微地震信号进行识别，进而影响后续的分析工作。例如，对微地震震源进行定位时，由于其对P波与S波的到达时间具有很强的敏感性，往往0.01秒的误差就可以...
【技术保护点】
【技术特征摘要】
1.一种基于CNN
‑
LSTM与多头注意力机制的微地震P波S波分离方法，其特征在于，包括如下：S1：采用干热岩水力压裂现场实际采集的有效微地震数据，得到10000道微地震数据，每道微地震数据均包含P波与S波信号；S2：对每道微地震数据进行预处理，将数据长度截取为5000个采样点，并对数据进行人工标注，最终形成训练数据集；S3：搭建一个由卷积层、激励层、池化层、随机隐藏神经元层、长短期记忆层、多头注意力机制层以及全连接层构成的神经网络模型，并采用步骤S2中的训练数据集开始训练；S4：待训练完成后，保存神经网络模型，将待分离的数据输入神经网络模型进行分离，输出为每个采样点是否为P波或S波的概率值，最终得到P波与S波的分离结果。2.按照权利要求1所述的技术，其特征在于，步骤S2中具体包括：采集得到的数据截取为统一长度，对于数据中P波或S波位置标注为1，其余位置标注为0。3.按照权利要求1所述的技术，其特征在于，S3中具体包括：神经网络模型从输入到输出依次包括卷积层、激励层、池化层、Dropout层、LSTM层、多头注意力机制层...
【专利技术属性】
技术研发人员：孙锋，冷泽男，胡浩天，杨欣然，周佳霓，赵一，陈祖斌，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。