一种联合频谱分析和卷积神经网络的微震事件定位方法技术

本发明专利技术提供一种联合频谱分析和卷积神经网络的微震事件定位方法，包括收集已知震源位置的微震波形；利用傅里叶变换对微震波形进行分解，选取出高能频段微震波形；利用小波变换将高能频段微震波形转化为包含时频域能量信息的时

【技术实现步骤摘要】
一种联合频谱分析和卷积神经网络的微震事件定位方法


[0001]本专利技术涉及全波形微震事件监测定位
，具体涉及一种联合频谱分析和卷积神经网络的微震事件定位方法。

技术介绍

[0002]微震监测常用于监测冲击地压、煤与瓦斯突出等动力灾害，通过拾震器监测岩体受力变形或断裂过程中产生的弹性波，获得微震事件的时空信息，预测冲击地压等动力灾害的发生。准确的震源定位可以获得岩体破裂的空间位置，是微震监测的核心问题之一。
[0003]目前的常规微震定位方法一般需要满足两个假设条件：第一、在微震波形由震源向拾震器传播的过程中传播速度不变，即传播介质为均匀介质；第二、对微震波形到达拾震器的初始时间拾取准确。由于矿山地质条件复杂，介质的不均匀性和非线性特性会影响传统微震定位方法的准确性和可靠性，微震波的传播速度变化、散射和衰减等特性都对定位结果产生不利影响。在微震信号的传播过程中，存在多路径传播和反射效应，使得信号的到达时间和波形复杂化，导致定位结果的不确定性和模糊性，硬件技术的限制导致微震波形的到达时间拾取不准。
[0004]综上所述，在矿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合频谱分析和卷积神经网络的微震事件定位方法，其特征在于，包括以下步骤：S1、收集已知震源位置的微震波形；S2、利用傅里叶变换对收集的已知震源位置的微震波形进行分解，计算出不同频率范围内的微震波形的能量大小，并通过比较选取出能量最高的频率范围内的高能频段微震波形；S3、利用小波变换将所述高能频段微震波形转化为包含时间域与频率域能量信息的时
‑
频谱图，得到的时
‑
频谱图的图片大小、格式、名称形式一致；S4、以微震波形时
‑
频谱图作为模型训练的输入特征，已知的震源位置作为标签，ResNet 50卷积神经网络结构作为基本框架，构建微震波形时
‑
频谱图与震源位置的映射关系模型；S5、将未知震源位置的微震波形按上述步骤S2和S3进行处理，然后输入步骤S4中已训练好的映射关系模型进行震源定位，得到各个可能的震源点位置和概率；S6、以概率最大的震源点位置作为微震事件的震源定位位置。2.根据权利要求1所述的联合频谱分析和卷积神经网络的微震事件定位方法，其特征在于，所述步骤S2中傅里叶变换采用以下公式：其中，F(ω)表示傅里叶变换后的频谱，f(t)为原始信号，e
‑
iωt

【专利技术属性】
技术研发人员：崔义，陈结，焦扬，蒲源源，张洪伟，于斌，陈紫阳，孟庆友，赵金来，王恕喜，孟历德仁，
申请(专利权)人：重庆大学，
类型：发明
国别省市：