【技术实现步骤摘要】
本专利技术涉及一种标签噪声学习方法，具体是一种标签噪声鲁棒的微震到时智能拾取模型构建方法，属于矿山智能感知。
技术介绍
1、微震监测作为一种常规的方法，在深地工程中起到至关重要的作用，例如在各种地下工程作业中监测岩体结构变化、评估岩石不稳定性、预测和预防动态危险等。其他例子包括煤矿开采、水力压裂和人工水库周围的微震监测等。
2、微震波到时高精度拾取是微震监测的基础，提供了震源的基本信息。为了满足微震监测的需要，实际工程应用中常在有限尺度的区域内部署密度较高的检波器，从而带来更高的微震事件定位精度。然而，这也使得人工进行相位选取变得不切实际，这是由于人工效率较低，且主观性较强，容易引入较大的误差。过去的几十年中，研究人员已经提出了多种算法来自动拾取微震波相位，经典的方法如平均长短时间窗(sta/lta)和阿凯克信息准则法(aic)等，这些方法计算复杂度低，但往往精度较低，尤其是在低信噪比情况下，鲁棒性较低。而在深地工程中，由于空间尺度相对较小，对到时拾取的精度要求更高，人工拾取或经典算法难以满足实际应用需求。
3、...
【技术保护点】
1.一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在于，步骤3中的错误学习器Φη是基于注意力机制设计的，错误学习器Φη的计算表示为：
3.根据权利要求2所述的一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在于，步骤4的损失函数训练模型为和其中，用于学习可靠的标签表示，计算为：
4.根据权利要求3所述的一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在于，标签噪声LNRL使用变分推断的常见方法来控制特征表示的分布，...
【技术特征摘要】
1.一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在于，步骤3中的错误学习器φη是基于注意力机制设计的，错误学习器φη的计算表示为：
3.根据权利要求2所述的一种标签噪声鲁棒的微震到时智能拾取模型构建方法，其特征在...
【专利技术属性】
技术研发人员：杨旭，李森，曹安业，李茂涛，范柯廷，刘亚鹏，牛强，
申请(专利权)人：中国矿业大学，
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。