一种基于深度学习的微震多时窗智能P波到时拾取方法.pdf
An****70
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度学习的微震多时窗智能P波到时拾取方法.pdf
一种基于深度学习的微震多时窗智能P波到时拾取方法,步骤为:1)采集用于模型训练与测试的数据集,并根据到时标签将微震波形分为不同种类的微时窗;2)搭建CGAS的P波到时拾取深度学习模型,并对该模型进行训练;3)使用测试集对模型进行测试评估;4)使用CGAS模型对波形进行P波到时拾取;5)当多个台站监测到微震事件后,使用CGAS模型对多个台站监测到的震动波形数据进行多时窗的P波到时拾取;6)记录微震事件和各台站的到时信息。本发明通过上述方法,解决了现有技术中存在的拾取精度低、微震事件漏检或误检等问题,提供了一
基于波形参数的微震P波到时拾取值质量控制方法.docx
基于波形参数的微震P波到时拾取值质量控制方法基于波形参数的微震P波到时拾取值质量控制方法摘要:微震技术是一种用于研究地下物质运动和地下介质性质的重要工具。P波到时拾取是微震数据处理中的关键步骤,其对于后续的震源定位、能量分析和成像等具有重要意义。然而,由于地下介质的复杂性和地震波信号的非稳定性,P波到时拾取值的准确性存在较大的挑战。本文基于波形参数,提出了一种用于微震P波到时拾取值质量控制的方法,通过分析地震波信号的特征,结合算法和模型,提高了P波到时的准确性和稳定性。关键词:微震;P波;到时拾取;波形参
一种基于反绎学习的矿井微震P波到时拾取模型构建方法.pdf
本发明公开了一种基于反绎学习的矿井微震P波到时拾取模型构建方法,使用未标记的矿山微震数据集,进入地震深度神经网络模型训练,通过逻辑推理中的反绎学习结构,利用知识库中的专家知识,对模型进行更新,最终获得基于反绎学习的矿山微震P波到时拾取模型,利用最终结果模型对数据进行筛选,替换不符合知识库的台站数据,最终将选出的数据作为矿井微震P波到时拾取的数据,进一步提升模型对矿井微震相位拾取的正确率。本发明克服了现有地震识别模型不适用于矿井环境的缺点,解决了矿山微震波噪声大的问题,在有限的且未标记的数据集基础上,提升了
基于质量寻优与归一化STALTA方法的微震P波到时拾取技术研究.pptx
汇报人:/目录0102微震监测技术的重要性微震信号处理中的关键问题质量寻优与归一化STALTA方法的应用价值03质量寻优原理与技术路线关键算法与实现细节实验验证与结果分析04归一化STALTA方法的原理与技术路线算法优化与改进方案实验结果对比与分析05质量寻优与归一化STALTA方法的优势分析技术局限性及其原因分析未来改进方向与展望06在微震监测中的具体应用场景对相关领域的影响与贡献对未来技术发展的推动作用07研究成果总结对未来研究的建议与展望汇报人:
一种微震震动波到时智能拾取方法.pdf
本发明涉及微震监测技术领域,尤其涉及一种微震震动波到时智能拾取方法,针对当前现有的微震监测技术仍存在监测过程存在大量杂音致使微震信号的到时难以精确拾取的问题,现提出如下方案,其中包括以下步骤:S1:采集数据,S2:神经网络训练,S3:到时点拾取,本发明的目的是通过提供一种微震震动波到时智能拾取方法,拾取时不易受到干扰,适用性强,提高了到时拾取的准确率和微震监测效果,同时在整体上提高了工作效率和经济效益。