System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种微动探测横波速度结构即时成像方法、系统及存储介质,属于地球物理探测。
技术介绍
1、由于城市建筑密集,电磁干扰和震动干扰严重,地质灾害勘察、工程地质调查及城市隐伏断裂探测等一直是城市物探工作面临的难题。
2、基于环境噪声成像的微动探测技术能够适应城市复杂的干扰环境,得到了广泛的应用。微动探测技术是一种采集天然源信号,通过计算地下介质中的横波速度结构探查地质构造的物探新技术。该技术具有不受电磁干扰、绿色环保、分辨率高、探测范围大和经济高效的特点,在城镇等人口密集区有着传统物探手段不可比拟的优势。
3、微动探测方法采用“分布式采集-集中式回收”的模式,在分布式地震仪完成原始数据采集后,集中回收各个采集站的数据至中央服务器进行后处理和横波速度结构成像,在实际复杂应用场景中面临着诸多挑战。如勘探周期长达数周,有效信息的获取大大滞后于采集时间,导致勘探效率低下等。
4、不同于传统勘探方法,无线地震传感网将采集节点互连成网络,控制中心或其他手持终端可以远程访问所有无线节点,从而可以实时监测地震数据的质量,提高勘探效率。然而利用无线地震传感网进行探测也引入了诸多问题,如网络带宽、网络传输距离和节点生存周期等,且其仍无法解决横波速度结构信息获取滞后的缺陷。
5、随着技术的进步,物联网设备逐渐具有了一定的存储和计算能力,可以存储、分析和处理更多数据。具有低延迟、高带宽、实时计算与安全可靠特性的边缘计算应运而生。边缘计算是由部署在边缘网络的大量计算设备构成,这些设备可以彼此进行协作使
6、然而,边缘计算应用于即时横波速度结构成像仍面临着服务延迟敏感的负载分配和计算资源优化等方面的挑战。首先,以空间自相关法为代表的微动横波速度结构成像方法分为原始数据预处理、互相关系数获取,频散曲线提取,贝塞尔函数拟合以及插值等多个任务,这些任务随机出现,进而负载也会随着任务的产生和系统运行时间变化,然而,进行计算的边缘计算节点的计算资源容量、计算能力和网络传输能力有限,这给边缘计算系统的任务处理带来了新的挑战。其次,在微动探测实际应用场景中,不同节点不同类型的任务可能会被同时卸载到边缘计算节点内,而这些任务对计算资源的需求一般存在异构性,由于边缘计算节点的计算资源容量和计算能力有限,边缘计算节点无法同时满足这些不同类型任务对计算资源的分配需求。
技术实现思路
1、本专利技术的目的在于提供一种微动探测横波速度结构即时成像方法、系统及存储介质,在微动探测过程中,无需将原始数据传回数据中心,即时成像横波速度结构,快速高效地获取地下速度结构信息。
2、为达到上述目的,本专利技术提供如下技术方案:
3、第一方面,本专利技术提供一种微动探测横波速度结构即时成像方法,包括:
4、将台阵中心点作为边缘计算节点,将除台阵中心点以外的其他节点作为数据采集节点;
5、利用所述数据采集节点获取实时微地震数据并发送至所述边缘计算节点;
6、利用所述边缘计算节点根据所述微地震数据计算获取横波速度结构并完成即时成像;
7、其中,所述数据采集节点和边缘计算节点根据对预构建的即时成像任务处理模型求解获取的最优任务处理方案进行任务处理,并根据预构建的计算资源数量搜索算法输出的数据采集节点的负载状态预测结果进行计算资源分配调度。
8、结合第一方面,进一步的,所述数据采集节点和边缘计算节点的任务包括:
9、利用所述数据采集节点对其获取到的原始数据进行快速傅里叶变换,获取自功率谱,并将所述自功率谱、原始数据以及数据采集节点与边缘计算节点的距离和角度发送至所述边缘计算节点;
10、利用所述边缘计算节点根据所述自功率谱、原始数据以及数据采集节点与边缘计算节点的距离和角度进行互功率谱计算,获取空间自相关系数;
11、利用所述边缘计算节点根据所述空间自相关系数拟合第一类零阶贝塞尔函数,求解所述第一类零阶贝塞尔函数的宗量;
12、利用所述边缘计算节点根据所述第一类零阶贝塞尔函数的宗量,计算获取所述边缘计算节点的频散曲线;
13、利用所述边缘计算节点根据所述频散曲线,反演获取横波速度结构,并根据所述横波速度结构完成即时成像;
14、其中,所述边缘计算节点内部存储有所述第一类零阶贝塞尔函数的数据点表。
15、结合第一方面,进一步的,所述空间自相关系数的计算公式为:
16、
17、其中,ρ为空间自相关系数,r为数据采集节点与边缘计算节点的距离,ω为角频率,θ为数据采集节点与边缘计算节点的角度,s(r,θ,ω)为观测台阵的中心点与任一节点的交叉互功率谱,s0(0,ω)为边缘计算节点的自功率谱,sr(r,ω)为观测台阵任一数据采集节点的自功率谱,re[·]为取实部。
18、结合第一方面,进一步的,所述第一类零阶贝塞尔函数的宗量的计算公式为:
19、x=2πf(i)r/vr(f(i))
20、其中,x为第一类零阶贝塞尔函数的宗量,f(i)为第i个频率,r为数据采集节点与边缘计算节点的距离,vr(f(i))为第i个频率为f(i)的瑞雷波相速度。
21、结合第一方面,进一步的,所述横波速度结构的计算公式为:
22、
23、其中,vx,i为第i个周期的横波速度,vr,i为第i个周期的瑞利波速,vr,i-1为第i-1个周期的瑞利波速,ti为第i个周期,ti-1为第i-1个周期。
24、结合第一方面,进一步的,所述即时成像任务处理模型包括目标函数和约束条件,所述目标函数为:
25、
26、其中,f(i,j)(t)*为边缘计算节点j在时隙t处理任务i的最小延迟,即目标函数的最优解,即最优任务处理方案,为边缘计算节点j处理任务i的总延迟,为任务i在时隙t在边缘计算节点j的排队延迟,qj(t+1)为边缘计算节点j在时隙t+1的任务队列长度,qj(t)为边缘计算节点j在时隙t的任务队列长度,qj(0)=0,为时隙t卸载至边缘计算节点j的任务数量,μj(t)为时隙t边缘计算节点j处理的任务数量,为时隙t任务n的指令长度,κ(i,m)为时隙t进入边缘计算节点j的任务集合,m为时隙t进入边缘计算节点j的任务总数,pj为边缘计算节点j在每个时隙处理的任务的指令长度,为任务i在时隙t由边缘计算节点j传输至数据采集节点k的总延迟,为任务i在时隙t由边缘计算节点j传输至数据采集节点k的网络拥塞延迟,为边缘计算节点j在时隙t向数据采集节点k传输的剩余任务数量,即时隙t的网络拥塞状态,若则时隙t无网络拥塞,否则时隙t有网络拥塞,为任务n的数据大小,为边缘计算节点j在时隙t已经向数据采集节点k传输的任本文档来自技高网...
【技术保护点】
1.一种微动探测横波速度结构即时成像方法,其特征在于,包括:
2.根据权利要求1所述的微动探测横波速度结构即时成像方法,其特征在于,所述数据采集节点和边缘计算节点的任务包括:
3.根据权利要求2所述的微动探测横波速度结构即时成像方法,其特征在于,所述空间自相关系数的计算公式为:
4.根据权利要求2所述的微动探测横波速度结构即时成像方法,其特征在于,所述第一类零阶贝塞尔函数的宗量的计算公式为:
5.根据权利要求2所述的微动探测横波速度结构即时成像方法,其特征在于,所述横波速度结构的计算公式为:
6.根据权利要求1所述的微动探测横波速度结构即时成像方法,其特征在于,所述即时成像任务处理模型包括目标函数和约束条件,所述目标函数为:
7.根据权利要求1所述的微动探测横波速度结构即时成像方法,其特征在于,所述即时成像任务处理模型包括目标函数和约束条件,所述约束条件为:
8.根据权利要求1所述的微动探测横波速度结构即时成像方法,其特征在于,所述数据采集节点和边缘计算节点根据预构建的计算资源数量搜索算法输出的数
9.一种微动探测横波速度结构即时成像系统,其特征在于,包括处理器及存储介质;
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~8任一项所述方法的步骤。
...【技术特征摘要】
1.一种微动探测横波速度结构即时成像方法,其特征在于,包括:
2.根据权利要求1所述的微动探测横波速度结构即时成像方法,其特征在于,所述数据采集节点和边缘计算节点的任务包括:
3.根据权利要求2所述的微动探测横波速度结构即时成像方法,其特征在于,所述空间自相关系数的计算公式为:
4.根据权利要求2所述的微动探测横波速度结构即时成像方法,其特征在于,所述第一类零阶贝塞尔函数的宗量的计算公式为:
5.根据权利要求2所述的微动探测横波速度结构即时成像方法,其特征在于,所述横波速度结构的计算公式为:
6.根据权利要求1所述的微动探测横波速度结构即时成像方法,其特征在于,所述即时成...
【专利技术属性】
技术研发人员:田入运,赖笑辰,丁宇,刘鑫鑫,曹一涵,韦中,
申请(专利权)人:南京信息工程大学,
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。