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】
本专利技术属于隧道超前地质预报,具体涉及一种基于隧道三维地震观测数据潜在空间特征提取的波速反演方法。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
2、隧道建设面临断层、破碎带、溶洞等不良地质构造,易导致卡机、突水突泥、塌方等灾害事故,威胁隧道工程的安全施工。隧道地震波探测具有探测距离远、对岩体中结构面有敏感响应的优势,成为探明隧道掌子面前方岩土介质分布与不良地质赋存状态的重要手段。其中掌子面前方波速分布的准确求取是不良地质体准确定位与成像的前提。
3、地震波速反演是通过地震观测数据反推介质波速分布的过程,该过程是欠定的,反演过程易陷入局部极小值,严重影响反演结果准确性,加之隧道环境下观测空间狭窄,观测数据偏移距小、有效信息少,使得反演非线性程度高,不适定性强;此外,目前大多隧道波速反演方法针对二维波场传播的情况,最终仅可获得二维波速分布,实际情况下地震波在三维空间中传播,隧道二维波速反演结果的准确度与置信度低于三维反演,但三维反演数据量大,非线性程度更高,反演过程难收敛,严重影响波速反演效果。深度学习在数据降维处理、高分辨率成像等方面展现出强大的性能,深度神经网络具有强大的非线性拟合能力,可从高维寻优,为高精度的地震波速反演提供思路。现有的基于深度学习的隧道反演方法研究多针对二维情况,缺少三维波速成像方法的相关研究。
4、实现隧道掌子面前方高精度的三维波速成像仍存在以下两个难题:
5、其一,三维隧道地震数据相较二维地震数据参数量大大提
6、其二,隧道地震观测数据相较于地表数据的观测空间狭小,偏移距小,数据中包含的有效反射波信息少,导致反演准确度低、收敛性差,尤其是对应远距离信息的一些高波数成分较少,导致随探测距离增大波速反演准确度大大降低,如何保证反演算法鲁棒性同时兼顾反演精度。
技术实现思路
1、本专利技术的目的是提供一种基于隧道三维地震波数据潜在空间特征的波速反演方法,鉴于卷积自编码网络的数据关键特征提取能力,对三维隧道地震观测数据进行处理获得其潜在空间特征,实现数据融合,保留关键特征,提高算法收敛性;构建三维速度模型表征神经网络,搭建从潜在空间特征到速度模型的映射关系,并在实际探测时,将反演迭代更新的目标由速度模型转换为表征速度模型的更高维的网络参数,在高维空间中反演更易收敛;采用潜在空间特征构建目标函数,并在不同反演训练阶段采用潜在空间特征中的不同参数计算目标函数,实现隧道远距离波速的更准确刻画,同时方法符合多尺度反演思想,提高反演算法的收敛性与准确性。
2、为实现上述目的,本专利技术采用如下技术方案:
3、一种基于隧道三维地震波数据潜在空间特征的波速反演方法,包括以下步骤:
4、采用三维观测方式进行隧道地震波探测采集地震观测数据,并根据待探测隧道的地质情况构建多个三维波速模型,通过数值模拟正演求取与波速模型对应的地震观测数据(尺寸为s1×r1×t1,炮数、检波器数、时间刻度分别用s、r、t表示)。利用采集到的多组探测数据、上述数值模拟得到的地震观测数据与三维波速模型形成隧道探测三维地震数据库;
5、搭建深度学习卷积自编码网络,包括编码器与解码器两个模块,该网络可表示为:
6、
7、其中表示输入地震观测数据,同样作为网络训练的标签;encoder表示编码器模块;decoder表示编码器模块;wa表示卷积自编码网络的网络参数;l表示潜在空间特征;d表示网络的输出。以隧道探测三维地震数据库中的地震观测数据作为卷积自编码网络的输入与标签,进行网络参数的训练,训练过程的目标函数可表示为:
8、
9、将隧道探测三维地震数据库中与三维波速模型对应的地震观测数据分别输入训练好的卷积自编码网络的编码器模块,由编码器输出潜在空间特征(尺寸为s2×r2×t2)。潜在空间特征为一个尺寸小于输入三维地震观测数据的多通道特征矩阵(s2≤s1,r2=r1,t2<t1,s2×r2×t2<s1×r1×t1),由于卷积网络提取特征具有平移不变性与一定的形状不变性,潜在空间特征有望保留地震观测数据中形态较明显的同相轴结构信息,由此对于每个三维波速模型可得到一个潜在空间特征,潜在空间特征可理解为将三维地震观测数据进行数据融合、降维与关键信息提取后得到的结果,该过程可表示为:
10、
11、其中表示训练完成后不再更新的卷积自编码网络参数。构建三维速度模型表征神经网络n,三维波速模型表征神经网络的输入为潜在空间特征l,输出为三维波速模型m,可表示为:
12、m=n(wm;l),
13、其中wm表示三维速度模型表征神经网络的网络参数。利用隧道探测三维地震数据库中三维波速模型作为标签,相对应的潜在空间特征作为输入,采用监督学习的方式训练三维速度模型表征神经网络,目标函数可表示为:
14、
15、其中m~为三维波速模型标签,采用三维观测方式在隧道中对待探测区域进行地震观测数据采集,并进行基于网络的三维隧道地震波速反演,该过程包括:将采集到的数据输入训练好的卷积自编码网络的编码器模块,同样得到其相应的潜在空间特征;以潜在空间特征作为三维速度模型表征神经网络的输入,此时可直接预测得到一个三维波速模型,对三维波速模型进行正演,采用与隧道中数据采集过程中同样的三维观测方式记录地震波,得到模拟地震观测数据;采用模拟地震观测数据的潜在空间特征与探测数据的潜在空间特征计算目标函数,再次更新三维速度模型表征神经网络,目标表示为:
16、
17、其中f(.)表示地震波正演后记录的地震观测数据;δwm表示三维速度模型表征神经网络在该训练过程中网络参数的更新量,最后由网络输出新的三维波速模型,再循环该步骤,实现反演迭代。
18、随上述迭代进行,在迭代初期,首先采用一部分t接近0的几排数据对应的潜在空间特征中的参数计算目标函数,随迭代进行逐渐增大采用数据的t范围,采用潜在空间特征中更多排的数据计算目标函数,直至采用整个潜在空间特征计算目标函数。并在反演迭代最后阶段,直接采用模拟地震观测数据与探测数据计算目标函数更新反演模型,最终得到隧道掌子面前方探测区域的三维波速分布。
19、作为可选择的实施方式,观测系统采用沿隧道轴线对称的方式布置,一组震源与检波器沿直线布置,构成一个测线,震源位于最靠近掌子面的位置,上下左右四个边墙均分别布设一个测线,沿隧道轴线呈中心对称。根据实际地质情况构建相应的三维地质波速模型时,对于各地质波速模型进行三维波动方程有限差分正演模拟,在检波器位置记录波场数据,得到与地质波速模型对应的地震观测数据。
20、作为可选择的实施方式,在卷积自编码网络中每个卷积层或反卷积层后方插入一个空间注意力层(sam),提升自编码网络对输入数据的编译能本文档来自技高网...
【技术保护点】
1.一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于包括以下步骤:
2.如权利要求1所述的一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于,所述反演迭代在迭代初期,首先采用一部分t接近0的几排数据对应的潜在空间特征中的参数计算目标函数,随迭代进行逐渐增大采用数据的t范围,采用潜在空间特征中更多排的数据计算目标函数,直至采用整个潜在空间特征计算目标函数。并在反演迭代最后阶段,直接采用模拟地震观测数据与探测数据计算目标函数更新反演模型,最终得到隧道掌子面前方探测区域的三维波速分布。
3.如权利要求1所述的一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于,进行隧道地震探测数据采集时,观测系统采用沿隧道轴线对称的方式布置,一组震源与检波器沿直线布置,构成一个测线,震源位于最靠近掌子面的位置,上下左右四个边墙均分别布设一个测线,沿隧道轴线呈中心对称;根据实际地质情况构建相应的三维地质波速模型时,对于各地质波速模型进行三维波动方程有限差分正演模拟,在检波器位置记录波场数据,得到与地质波速模型对应的地震观测数据。
< ...【技术特征摘要】
1.一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于包括以下步骤:
2.如权利要求1所述的一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于,所述反演迭代在迭代初期,首先采用一部分t接近0的几排数据对应的潜在空间特征中的参数计算目标函数,随迭代进行逐渐增大采用数据的t范围,采用潜在空间特征中更多排的数据计算目标函数,直至采用整个潜在空间特征计算目标函数。并在反演迭代最后阶段,直接采用模拟地震观测数据与探测数据计算目标函数更新反演模型,最终得到隧道掌子面前方探测区域的三维波速分布。
3.如权利要求1所述的一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于,进行隧道地震探测数据采集时,观测系统采用沿隧道轴线对称的方式布置,一组震源与检波器沿直线布置,构成一个测线,震源位于最靠近掌子面的位置,上下左右四个边墙均分别布设一个测线,沿隧道轴线呈中心对称;根据实际地质情况构建相应的三维地质波速模型时,对于各地质波速模型进行三维波动方程有限差分正演模拟,在检波器位置记录波场数据,得到与地质波速模型对应的地震观测数据。
4.如权利要求1所述的一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于,在卷积自编码网络中每个卷积层或反卷积层后方插入一个空间注意力层(sam),提升自编码网络对输入数据的编译能力,将原空间注意力层中的二维卷积修改为三维卷积,形成三维空间注意力层。
5.如权利要求4所述的一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于,所述的卷积自编码网络包括编码器与解码器两个模块,所述的编码器包括5组依次级联的三维卷积层与三维空间注意力层,所述的特征解码器包括5组依次级联的三维反卷积层与三维空间注意力层;地震观测数据被输入到编码器后,由编码器输出潜在空间特征,潜在空间特征输入特征解码器后,由特征解码器输出尺寸与输入数据完全相同的预测地震观测数据。
6.如权利要求1所述的一种基于隧道三维地震波数据潜在空间特征的波速反演方法,其特征在于,三维速度模型表征...
【专利技术属性】
技术研发人员:郭一凡,黄雷,苗双平,李东杰,吴坚,刘万鹏,
申请(专利权)人:中国电建集团华东勘测设计研究院有限公司,
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。