本發(fā)明涉及一種基于震源參數(shù)的微震與爆破事件識別方法，結果明確，適用性強，準確率高。
背景技術：
：微震監(jiān)測作為一種有效的地壓監(jiān)測手段在國內外得到了廣泛應用，而微震與爆破事件的區(qū)分識別是數(shù)據(jù)處理過程中的關鍵問題，因此對微震與爆破事件識別方法的研究具有重要意義。但微震與爆破事件波形均較為復雜，爆破事件往往會造成重復波形，其中被分離的單個波形可能會人為的被錯誤處理成微震事件，造成嚴重后果。目前主要根據(jù)一天內的爆破時間和波形重復來手動區(qū)分微震與爆破事件，但易受操作人員專業(yè)知識和經(jīng)驗的影響，且識別數(shù)量有限，降低了微震監(jiān)測實時分析的效果。目前針對微震與爆破事件識別的方法可分為：波形頻譜分析法、多參數(shù)統(tǒng)計法和軟計算法，這些方法通常包括特征提取和特征識別兩個過程。常用的特征提取包括震級、能量、視應力、視體積、靜態(tài)應力降、動態(tài)應力降和時域波形特征參數(shù)(振幅、頻率)等，特征識別方法包括fisher分類法、Logistic回歸法、隨機森林法、神經(jīng)網(wǎng)絡法、支持向量機法和貝葉斯分類法等。常用的特征參數(shù)大多難以自動得到，波形時域特征參數(shù)是在單一尺度上分析得到的，其信息量較少，限制了微震與爆破事件的自動識別。對于分析微震與爆破事件之間波形和波譜的不同特征，波形頻譜分析法不失為一種好方法，其主要借助小波分析、小波包分析和頻率切片小波分析。唐守鋒等(2011)根據(jù)采樣定理和Mallat算法確定了小波分解最大尺度，并提出采用小波特征能譜系數(shù)作為煤巖破裂微震信號識別的定量表征；朱權潔等(2012a)運用小波包分析對微震信號進行了5層多尺度分解，并與爆破震動信號的能量分布進行了對比分析；朱權潔等(2012b)結合小波分析與分形理論對爆破振動、巖石破裂及電磁干擾3類信號進行了5層小波包分解，并以篩選后的23個小波分形盒維數(shù)作為支持向量機識別的特征向量；趙國彥等(2015)采用頻率切片小波變換對礦山巖體破裂信號和爆破振動信號特定頻帶能量比和相關系數(shù)進行了研究。小波分析、小波包分析和頻率切片小波分析具有較好的自適應性，但很容易受到信號中相鄰諧波成分的交疊影響，致使不同頻帶信號存在混疊?？梢姮F(xiàn)有的微震事件與爆破事件識別方法存在較大的局限，需要研究一種適用性強、準確率高的自動識別方法。技術實現(xiàn)要素：本發(fā)明所要解決的技術問題是，針對現(xiàn)有技術的不足，提供一種基于震源參數(shù)的微震與爆破事件識別方法，該微震與爆破事件識別方法適用性強、準確率高。本發(fā)明的技術解決方案如下：一種基于震源參數(shù)的微震與爆破事件識別方法，包括以下步驟：步驟1：獲得微震事件與爆破事件的判別式：以已確定的N組微震事件與L組爆破事件為樣本，獲得微震與爆破事件的判別式：YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>其中YE為微震事件判別式的因變量，YB為爆破事件判別式的因變量，式中，Xi，i＝1,2,…,6為6個與典型震源參數(shù)相關的值，C0為微震事件判別式中的常數(shù)項，Ci為在微震事件判別式中對應于Xi的最優(yōu)系數(shù)，B0爆破事件判別式中的常數(shù)項，Bi為在爆破事件判別式中對應于Xi的最優(yōu)系數(shù)；C0、Ci、B0和Bi基于樣本辨識得到；N和L為整數(shù)，且N，L≥10；步驟2：對待識別事件進行識別：計算待識別事件對應的Xi取值，代入所述的微震事件與爆破事件的判別式，計算得到YE和YB；若YE大于或等于YB，則說明該待識別事件為微震事件，否則若YE小于YB，則說明該待識別事件為爆破事件。所述步驟1中，針對每一組微震事件或爆破事件，進行以下操作：(1)通過微震監(jiān)測系統(tǒng)獲取震源參數(shù)；包括：S波與P波能量之比值ES/EP，地震力矩M，靜應力降SSD，動應力降DSD，震源發(fā)震時間t以及力矩震級Mm；(2)對步驟(1)中獲取的參數(shù)ES/EP、M、SSD和DSD分別取對數(shù)，求得結果為logES/EP、logM、logSSD和logDSD；(3)處理震源發(fā)震時間t；計算該微震事件或爆破事件對應的震源發(fā)震時間t與相鄰的前一微震事件或爆破事件對應的震源發(fā)震時間t0的時間差Δt＝t-t0；(4)計算概率密度函數(shù)【generalizedlogisticdistribution】值：概率密度函數(shù)表達式如下所示：f(xi)=(1+kz)-1-1/kσ[1+(1+kz)-1/k]2,k≠0e-zσ(1+e-z)2,k=0---(1)]]>式中，z＝(xi-μ)/σ；k、σ和μ分別為連續(xù)形狀參數(shù)、連續(xù)尺度參數(shù)和連續(xù)位置參數(shù)，根據(jù)實際情況通過最小二乘擬合求得；將上述步驟中所得數(shù)據(jù)logES/EP、logM、logSSD、logDSD、Mm和Δt分別作為xi(i＝1,2,3,4,5,6)帶入式(1)中，得出相應計算結果f(xi)；(5)構建微震與爆破事件的判別式：YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>令f(xi)＝Xi代入上述判別式，統(tǒng)計已確定的N組微震事件與N組爆破事件，根據(jù)Bayes判別理論求得判別式中的各參數(shù)C0、Ci、B0和Bi的最優(yōu)值。所述步驟2中，針對待識別事件，進行以下操作：(1)通過微震監(jiān)測系統(tǒng)獲取震源參數(shù)；包括：S波與P波能量之比值ES/EP，地震力矩M，靜應力降SSD，動應力降DSD，震源發(fā)震時間t以及力矩震級Mm；(2)對步驟(1)中獲取的參數(shù)ES/EP、M、SSD和DSD分別取對數(shù)，求得結果為logES/EP、logM、logSSD和logDSD；(3)處理震源發(fā)震時間t；計算該微震事件或爆破事件對應的震源發(fā)震時間t與相鄰的前一微震事件或爆破事件對應的震源發(fā)震時間t0的時間差Δt＝t-t0；(4)計算概率密度函數(shù)【generalizedlogisticdistribution】值：概率密度函數(shù)表達式如下所示：f(xi)=(1+kz)-1-1/kσ[1+(1+kz)-1/k]2,k≠0e-zσ(1+e-z)2,k=0---(1)]]>式中，z＝(xi-μ)/σ；k、σ和μ分別為連續(xù)形狀參數(shù)、連續(xù)尺度參數(shù)和連續(xù)位置參數(shù)，根據(jù)實際情況通過最小二乘擬合求得；將上述步驟中所得數(shù)據(jù)logES/EP、logM、logSSD、logDSD、Mm和Δt分別作為xi(i＝1,2,3,4,5,6)帶入式(1)中，通過最小二乘擬合得到k，σ，μ的值。得出相應計算結果f(xi)；(5)計算識別結果：令f(xi)＝Xi代入以下判別式，計算得到YE和YB；YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>若YE大于或等于YB，則說明該待識別事件為微震事件，否則若YE小于YB，則說明該待識別事件為爆破事件。優(yōu)選地，所述步驟1中，N＝L，均取值為100。有益效果：本發(fā)明提供的一種基于震源參數(shù)的微震與爆破事件識別方法，基于震源參數(shù)中的6個典型參數(shù)構建微震事件與爆破事件的判別式；以已確定的N組微震事件與N組爆破事件為樣本，通過獲取6個典型的震源參數(shù)，利用概率密度函數(shù)generalizedlogisticdistribution計算其概率密度值，再根據(jù)Bayes判別理論求得判別式中的各參數(shù)的最優(yōu)質值；最后將待識別事件的6個與典型震源參數(shù)相關的值代入判別式，得到識別結果，實現(xiàn)了微震監(jiān)測的實時分析，減輕了工作人員的數(shù)據(jù)處理壓力，削弱了人為因素對監(jiān)測結果的影響，提高了準確性。此方法具有適用性強、準確性高等特點。附圖說明圖1為本發(fā)明流程圖。具體實施方式以下結果附圖和具體實施方式，對本發(fā)明提出的一種基于震源參數(shù)的微震與爆破事件識別方法作進一步說明。如圖1所示，本發(fā)明公開了一種基于震源參數(shù)的微震與爆破事件識別方法，包括以下步驟：步驟1：獲得微震事件與爆破事件的判別式：以已確定的N組微震事件與L組爆破事件為樣本，獲得微震與爆破事件的判別式：YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>其中YE為微震事件判別式的因變量，YB為爆破事件判別式的因變量，式中，Xi，i＝1,2,…,6為6個與典型震源參數(shù)相關的值，C0為微震事件判別式中的常數(shù)項，Ci為在微震事件判別式中對應于Xi的最優(yōu)系數(shù)，B0爆破事件判別式中的常數(shù)項，Bi為在爆破事件判別式中對應于Xi的最優(yōu)系數(shù)；C0、Ci、B0和Bi基于樣本辨識得到；N和L為整數(shù)，且N，L≥10；步驟2：對待識別事件進行識別：計算待識別事件對應的Xi取值，代入所述的微震事件與爆破事件的判別式，計算得到YE和YB；若YE大于或等于YB，則說明該待識別事件為微震事件，否則若YE小于YB，則說明該待識別事件為爆破事件。所述步驟1中，針對每一組微震事件或爆破事件，進行以下操作：(1)通過微震監(jiān)測系統(tǒng)獲取震源參數(shù)；包括：S波與P波能量之比值ES/EP，地震力矩M，靜應力降SSD，動應力降DSD，震源發(fā)震時間t以及力矩震級Mm；(2)對步驟(1)中獲取的參數(shù)ES/EP、M、SSD和DSD分別取對數(shù)，求得結果為logES/EP、logM、logSSD和logDSD；(3)處理震源發(fā)震時間t；計算該微震事件或爆破事件對應的震源發(fā)震時間t與相鄰的前一微震事件或爆破事件對應的震源發(fā)震時間t0的時間差Δt＝t-t0；(4)計算概率密度函數(shù)【generalizedlogisticdistribution】值：概率密度函數(shù)表達式如下所示：f(xi)=(1+kz)-1-1/kσ[1+(1+kz)-1/k]2,k≠0e-zσ(1+e-z)2,k=0---(1)]]>式中，z＝(xi-μ)/σ；k、σ和μ分別為連續(xù)形狀參數(shù)、連續(xù)尺度參數(shù)和連續(xù)位置參數(shù)，根據(jù)實際情況通過最小二乘擬合求得；將上述步驟中所得數(shù)據(jù)logES/EP、logM、logSSD、logDSD、Mm和Δt分別作為xi(i＝1,2,3,4,5,6)帶入式(1)中，得出相應計算結果f(xi)；(5)構建微震與爆破事件的判別式：YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>令f(xi)＝Xi代入上述判別式，統(tǒng)計已確定的N組微震事件與N組爆破事件，根據(jù)Bayes判別理論求得判別式中的各參數(shù)C0、Ci、B0和Bi的最優(yōu)值。所述步驟2中，針對待識別事件，進行以下操作：(1)通過微震監(jiān)測系統(tǒng)獲取震源參數(shù)；包括：S波與P波能量之比值ES/EP，地震力矩M，靜應力降SSD，動應力降DSD，震源發(fā)震時間t以及力矩震級Mm；(2)對步驟(1)中獲取的參數(shù)ES/EP、M、SSD和DSD分別取對數(shù)，求得結果為logES/EP、logM、logSSD和logDSD；(3)處理震源發(fā)震時間t；計算該微震事件或爆破事件對應的震源發(fā)震時間t與相鄰的前一微震事件或爆破事件對應的震源發(fā)震時間t0的時間差Δt＝t-t0；(4)計算概率密度函數(shù)【generalizedlogisticdistribution】值：概率密度函數(shù)表達式如下所示：f(xi)=(1+kz)-1-1/kσ[1+(1+kz)-1/k]2,k≠0e-zσ(1+e-z)2,k=0---(1)]]>式中，z＝(xi-μ)/σ；k、σ和μ分別為連續(xù)形狀參數(shù)、連續(xù)尺度參數(shù)和連續(xù)位置參數(shù)，根據(jù)實際情況通過最小二乘擬合求得；將上述步驟中所得數(shù)據(jù)logES/EP、logM、logSSD、logDSD、Mm和Δt分別作為xi(i＝1,2,3,4,5,6)帶入式(1)中，通過最小二乘擬合得到k，σ，μ的值。得出相應計算結果f(xi)；(5)計算識別結果：令f(xi)＝Xi代入以下判別式，計算得到YE和YB；YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>若YE大于或等于YB，則說明該待識別事件為微震事件，否則若YE小于YB，則說明該待識別事件為爆破事件。實施例1：(1)通過微震監(jiān)測系統(tǒng)獲取已確定的共50組微震事件與爆破事件的震源參數(shù)；包括：S波與P波能量之比值ES/EP，地震力矩M，靜應力降SSD，動應力降DSD，震源發(fā)震時間t以及力矩震級Mm；(2)對步驟(1)中獲取的參數(shù)ES/EP、M、SSD和DSD分別取對數(shù)，求得結果為logES/EP、logM、logSSD和logDSD；(3)處理震源發(fā)震時間t；計算該微震事件或爆破事件對應的震源發(fā)震時間t與相鄰的前一微震事件或爆破事件對應的震源發(fā)震時間t0的時間差Δt＝t-t0；(4)計算概率密度函數(shù)【generalizedlogisticdistribution】值：概率密度函數(shù)表達式如下所示：f(xi)=(1+kz)-1-1/kσ[1+(1+kz)-1/k]2,k≠0e-zσ(1+e-z)2,k=0---(1)]]>式中，z＝(xi-μ)/σ；k、σ和μ分別為連續(xù)形狀參數(shù)、連續(xù)尺度參數(shù)和連續(xù)位置參數(shù)，本實施例根據(jù)實際情況通過最小二乘擬合求得k＝0.4572，σ＝0.4567，μ＝0.8782。將logES/EP、logM、logSSD、logDSD、Mm和Δt分別作為xi(i＝1,2,3,4,5,6)帶入式(1)中，得出相應計算結果f(xi)；如表1所示，表中1為微震事件，2為爆破事件：表150組微震與爆破事件的原始數(shù)據(jù)和實際結果(5)構建微震與爆破事件的判別式：YE=C0+Σi=1n=6CiXi]]>YB=B0+Σi=1n=6BiXi]]>令f(xi)＝Xi，代入以上判別式；統(tǒng)計表1中的已確定的共50組微震事件與爆破事件，根據(jù)Bayes判別理論求得判別式中的各參數(shù)C0、Ci、B0和Bi的最優(yōu)值：C0＝-2281.671，C1＝55.868，C2＝420.799，C3＝-15.825，C4＝102.502C5＝-13.463，C6＝-746.841；B0＝-2225.946，B1＝50.331，B2＝417.123，B3＝-9.869，B4＝94.631B5＝-15.858，B6＝-735.705；通過以上參數(shù)分別求得參數(shù)確定的YE與YB的表達式，進而對另外50組微震與爆破事件加以檢驗，以證明本方法的適用性與合理性。表250組微震與爆破事件的原始數(shù)據(jù)與檢驗結果由表2可知，除第73、95組事件檢驗結果與實際結果不符之外，其余48組事件均檢驗合理，準確率高達96％能夠滿足實際工程應用所需精度。以上所述僅為本發(fā)明的實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明精神和原則之內，所作任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。當前第1頁1 2 3