CN104297788B - 基于波形起振趋势线斜率的矿山微震和爆破信号识别方法 - Google Patents
基于波形起振趋势线斜率的矿山微震和爆破信号识别方法 Download PDFInfo
- Publication number
- CN104297788B CN104297788B CN201410556890.4A CN201410556890A CN104297788B CN 104297788 B CN104297788 B CN 104297788B CN 201410556890 A CN201410556890 A CN 201410556890A CN 104297788 B CN104297788 B CN 104297788B
- Authority
- CN
- China
- Prior art keywords
- point
- peak
- slope
- value
- waveform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,步骤1:获得线性识别方程:基于N组微震事件与N组爆破事件获得以k1和k2为参数的线性识别方程Y=k1+A*k2+B;步骤2:计算判别阈值Yf;步骤3:基于线性识别方程和判别阈值Yf对待识别事件进行识别:计算待识别事件波形起振趋势线斜率得到k1和k2,代入所述的识别方程得Y,若Y小于或等于判别阈值Yf,则说明该待识别事件为微震事件,否则说明该待识别事件为爆破事件。该发明计算量小、识别准确度高、无需时域到频域变换,成本低,易于实施。
Description
技术领域
本发明本发明涉及一种矿山微震和爆破信号识别方法,尤其涉及一种基于波形起振趋势线斜率的矿山微震和爆破信号识别方法。
背景技术
地震波主要分为两种,一种是表面波,一种是实体波。表面波只在地表传递,实体波能穿越地球内部。实体波(Body Wave):在地球内部传递,又分成P波和S波两种。P波:P代表主要(Primary)或压缩(Pressure),为一种纵波,粒子振动方向和波前进方平行,在所有地震波中,前进速度最快,也最早抵达。P波能在固体、液体或气体中传递。S波:S意指次要(Secondary)或剪力(Shear),前进速度仅次于P波,粒子振动方向垂直于波的前进方向,是一种横波。S波只能在固体中传递,无法穿过液态外地核。利用P波和S波的传递速度不同,利用两者之间的走时差,可作简单的地震定位。
微震监测是通过分析生产活动所产生的微震事件来监测地下状态的地球物理技术。由于该技术并非直接测定被监测岩体的应力、应变等基本力学参数,而是通过微震震源定位确定其在受到应力和变形时的稳定性,因此相比于传统位移和应力监测的方法,微震监测技术能够获知岩体内部微破裂分布及微破裂演化过程并反映相邻区域内的岩体变形或位移。近年来,该技术在地下工程及岩体边坡工程领域得到快速发展,广泛应用于矿山、隧道、石油和天然气及地热资源储藏库、核废料处置室等地下构筑物和岩石边坡、超大桥墩及水坝等地表工程的稳定性监测,并在油气和金属资源勘探开发中发挥越来越重要的作用。
由于矿山微震监测主要是采集岩体破裂产生的震动信号,通过信号的分析与处理求解震源参数,分析微震事件的时空分布,以此评价岩体的稳定性。整个过程的基础是信号的辨识,针对监测目标,剔除噪音、爆破等无用信号,为岩体稳定性分析和地压灾害评价提供可靠数据。目前,国内外应用微震监测系统对岩体的稳定性进行监测时,都因遇到或多或少的问题而不被现场认可,这其中最主要的原因就是:现场生产环境较为复杂、噪声源多且杂、爆破影响较大,导致大量的爆破数据与有效的微震信息夹杂在一起,很难准确地甄别,以致难以提供直观的监测数据为现场生产服务,而传统的依靠人工手动不精确的波形识别和处理,很容易导致微震事件快速标定和微震事件空间分布规律预测产生严重误差。因此,有必要对现有的信号识别方法进行改进,解决人工识别工作量大且不准确的问题,降低监测成本。
发明内容
本发明所要解决的技术问题是提供一种基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,该基于波形起振趋势线斜率的矿山微震和爆破信号识别方法计算量小、识别准确度高、无需时域到频域变换,成本低,易于实施。
发明的技术解决方案如下:
一种基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,包括以下步骤:
步骤1:获得线性识别方程:
基于N组微震事件与N组爆破事件获得以k1和k2为参数的线性识别方程Y=k1+A*k2+B;其中Y为线性识别方程的因变量,k1和k2分别为第一斜率和第二斜率,A和B为基于样本辨识得到的2个常量值;N为整数,且N≥100;
步骤2:计算判别阈值Yf:
步骤3:基于线性识别方程和判别阈值Yf对待识别事件进行识别:
计算待识别事件波形起振趋势线斜率得到k1和k2,代入所述的识别方程得Y,若Y小于或等于判别阈值Yf,则说明该待识别事件为微震事件,否则若Y大于判别阈值Yf,则说明该待识别事件为爆破事件。
步骤1中,针对每一组微震事件或爆破事件,进行以下操作:
(1)以P波初至点至波形首次峰值间波形段为对象,沿振幅分布依次选取首次峰值点和首次峰值幅值的3/4值、1/2值和1/4值处的采样点为四个关键数据点;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第一斜率k1;
(2)以P波初至点至波形最大峰值间波形段为对象,沿振幅分布依次选取首次峰值点、最大峰值点和另外两个点P22和P23处的峰值采样点为四个关键数据点;设最大峰值点的y坐标为y2m,首次峰值点的坐标为y2f,另外两个关键数据点的y坐标依次为y22和y23,其余峰值点的y坐标以yi表示(i=1,2,3…),在选取y22和y23时需满足各自条件:y22-[ym+(Ym-Yf)/3]≤min{yi-[ym+(Ym-Yf)/3]},y23-[ym+2*(Ym-Yf)/3]≤min{yi-[ym+2*(Ym-Yf)/3]};yi是最大峰值点和首次峰值点中任一峰值点对应的y坐标;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的后再取绝对值得到第二斜率k2;
统计已确定的微震事件与爆破事件【样本的选取决定着最终阈值的大小,这一点在步骤2的具体实施过程中也有体现,因此必须要统计已确定的N组微震事件与N组爆破事件】,得到以k1和k2为参数的线性识别方程Y=k1+A*k2+B。
采用Fisher判别方法得到所述的线性识别方程。
步骤2中,计算N组爆破事件的第一斜率和第二斜率,分别记为kb1与kb2;计算所有kb1的平均值kb1_averge以及所有kb2的平均值kb2_averge;将kb1_averge和kb2averge分别作为k1和k2代入线性识别方程Y,得到爆破事件类型判别临界值为Yb;
计算N组微震事件对应的第一斜率和第二斜率,分别记为km1与km2;计算所有km1的平均值km1_averge以及所有km2的平均值km2_averge;将km1_averge和km2averge分别作为k1和k2代入线性识别方程Y,得到爆破事件类型判别临界值为Ym;
取Yb和Ym的平均值作为未知事件判别阈值Yf。
步骤3,针对待识别事件事件计算k1和k2的步骤为:
(1)以P波初至点至波形首次峰值间波形段为对象,沿振幅分布依次选取首次峰值点和首次峰值幅值的3/4值、1/2值和1/4值处的采样点为四个关键数据点;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第一斜率k1;
(2)以P波初至点至波形最大峰值间波形段为对象,沿振幅分布依次选取首次峰值点、最大峰值点和另外两个点P22和P23处的峰值采样点为四个关键数据点;设最大峰值点的y坐标为y2m,首次峰值点的坐标为y2f,另外两个关键数据点的y坐标依次为y22和y23,其余峰值点的y坐标以yi表示(i=1,2,3…),在选取y22和y23时需满足各自条件:y22-[ym+(Ym-Yf)/3]≤min{yi-[ym+(Ym-Yf)/3]},y23-[ym+2*(Ym-Yf)/3]≤min{yi-[ym+2*(Ym-Yf)/3]};yi是最大峰值点和首次峰值点中任一峰值点对应的y坐标;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的后再取绝对值得到第二斜率k2;
若首次峰值点与最大峰值点不在时间轴同侧,则首次峰值点取横坐标不变,纵坐标取其相反数。
N取值为100。
有益效果:
本发明的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,该基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,无需时域到频域的变换,计算方便,识别效率高,解决了矿山微震监测过程中微震事件信号与爆破信号难以自动识别的问题。
采用上述技术方案的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其有益的效果是:
1)、无需时域到频域转换,计算量少
本发明针矿山微震与爆破信号识别,提出一种基于波形起振趋势线斜率的矿山微震和爆破信号识别方法。分别以P波初至点至波形首次峰值间波形段和P波初至点至波形最大峰值间波形段为对象,以起振趋势线斜率为特征参数表征波形起振角度,无需波形从时域到频域的变化,计算量少。
2)、识别正确率高
相比于以震源参数为特征参数进行事件类型识别的方法,本发明无需P波和S波的到时提取,从而避免了由到时提取误差造成的识别正确率低下。
3)、自动识别、效率高
传统的人工手动识别不仅工作量巨大且与识别效率与数据处理员的技术经验息息相关关,本发明建立了自动识别爆破和微震信号的数学模型,可由计算机程序进行自动识别,大大提高了识别效率。
附图说明
图1是本发明关键数据点选取和趋势线拟合示意图。
图2是典型爆破事件首先触发传感器波形图。
图3是典型微震事件首先触发传感器波形图。
图4是待识别事件首先触发传感器波形图。
图5是爆破和微震事件的起振趋势示意图。
具体实施方式
以下将结合附图和具体实施例对本发明做进一步详细说明:
一种基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,包括以下步骤:
步骤1:获得线性识别方程:
基于N组微震事件与N组爆破事件获得以k1和k2为参数的线性识别方程Y=k1+A*k2+B;其中Y为线性识别方程的因变量,k1和k2分别为第一斜率和第二斜率,A和B为基于样本辨识得到的2个常量值;N为整数,且N≥100;
步骤2:计算判别阈值Yf:
步骤3:基于线性识别方程和判别阈值Yf对待识别事件进行识别:
计算待识别事件波形起振趋势线斜率得到k1和k2,代入所述的识别方程得Y,若Y小于或等于判别阈值Yf,则说明该待识别事件为微震事件,否则若Y大于判别阈值Yf,则说明该待识别事件为爆破事件。
步骤1中,针对每一组微震事件或爆破事件,进行以下操作:
(1)以P波初至点至波形首次峰值间波形段为对象,沿振幅分布依次选取首次峰值点和首次峰值幅值的3/4值、1/2值和1/4值处的采样点为四个关键数据点;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第一斜率k1;
(2)以P波初至点至波形最大峰值间波形段为对象,沿振幅分布依次选取首次峰值点、最大峰值点和另外两个点P22和P23处的峰值采样点为四个关键数据点;设最大峰值点的y坐标为y2m,首次峰值点的坐标为y2f,另外两个关键数据点的y坐标依次为y22和y23,其余峰值点的y坐标以yi表示(i=1,2,3…),在选取y22和y23时需满足各自条件:y22-[ym+(Ym-Yf)/3]≤min{yi-[ym+(Ym-Yf)/3]},y23-[ym+2*(Ym-Yf)/3]≤min{yi-[ym+2*(Ym-Yf)/3]};yi是最大峰值点和首次峰值点中任一峰值点对应的y坐标;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的后再取绝对值得到第二斜率k2;
统计已确定的微震事件与爆破事件【样本的选取决定着最终阈值的大小,这一点在步骤2的具体实施过程中也有体现,因此必须要统计已确定的N组微震事件与N组爆破事件】,得到以k1和k2为参数的线性识别方程Y=k1+A*k2+B。
采用Fisher判别方法得到所述的线性识别方程。
步骤2中,计算N组爆破事件的第一斜率和第二斜率,分别记为kb1与kb2;计算所有kb1的平均值kb1_averge以及所有kb2的平均值kb2_averge;将kb1_averge和kb2averge分别作为k1和k2代入线性识别方程Y,得到爆破事件类型判别临界值为Yb;
计算N组微震事件对应的第一斜率和第二斜率,分别记为km1与km2;计算所有km1的平均值km1_averge以及所有km2的平均值km2_averge;将km1_averge和km2averge分别作为k1和k2代入线性识别方程Y,得到爆破事件类型判别临界值为Ym;
取Yb和Ym的平均值作为未知事件判别阈值Yf。
步骤3,针对待识别事件事件计算k1和k2的步骤为:
(1)以P波初至点至波形首次峰值间波形段为对象,沿振幅分布依次选取首次峰值点和首次峰值幅值的3/4值、1/2值和1/4值处的采样点为四个关键数据点;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第一斜率k1;
(2)以P波初至点至波形最大峰值间波形段为对象,沿振幅分布依次选取首次峰值点、最大峰值点和另外两个点P22和P23处的峰值采样点为四个关键数据点;设最大峰值点的y坐标为y2m,首次峰值点的坐标为y2f,另外两个关键数据点的y坐标依次为y22和y23,其余峰值点的y坐标以yi表示(i=1,2,3…),在选取y22和y23时需满足各自条件:y22-[ym+(Ym-Yf)/3]≤min{yi-[ym+(Ym-Yf)/3]},y23-[ym+2*(Ym-Yf)/3]≤min{yi-[ym+2*(Ym-Yf)/3]};yi是最大峰值点和首次峰值点中任一峰值点对应的y坐标;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的后再取绝对值得到第二斜率k2;
若首次峰值点与最大峰值点不在时间轴同侧,则首次峰值点取横坐标不变,纵坐标取其相反数。
N取值为100。
实施例1:
本实施例的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其步骤如下:
1)、以P波初至点,即地震波形上记录的P波到达的时刻(P波初至点之前的波形记录为噪声记录),至波形首次峰值间波形段为对象,沿振幅分布依次选取首次峰值点和最接近首次峰值幅值的3/4值,1/2值和1/4值处的采样点为四个关键数据点。图2爆破波形首次峰值前波形段的四个关键数据点分别为(0.2347,2.54E-5),(0.2340,1.36E-5),(0.2336,7.1E-6),(0.2305,1.26E-7),图3微震波形首次峰值前波形段的四个关键数据点分别为(0.2510,9.12E-6),(0.2494,6.50E-6),(0.2475,3.94E-6),(0.2467,7.83E-8);使用最小二乘法分别拟合上述爆破波形和微震事件波形的四个关键数据点,得到爆破波形和微震波形起振趋势线斜率绝对值,分别为kb1=8E-6,km1=3E-6。爆破波形的四个点拟合得到爆破的起振趋势线斜率kb1,微震波形的四个点拟合得到微震的起振趋势线斜率km1所以是两个斜率值。
为表征波形起振角度的大小,在波形起振阶段选取合适的数据点进行直线拟合,该拟合的直线即为波形起振趋势线。本发明所提的k1和k2是两种不同数据点选取方法得到的趋势线。
2)、以P波初至点至波形最大峰值间波形段为对象,沿振幅分布依次选取首次峰值点、最大峰值点和另外两个点P22和P23处的峰值采样点为四个关键数据点;设最大峰值点的y坐标为y2m,首次峰值点的坐标为y2f,另外两个关键数据点的y坐标依次为y22和y23,其余峰值点的y坐标以yi表示(i=1,2,3…),在选取y22和y23时需满足各自条件:y22-[ym+(Ym-Yf)/3]≤min{yi-[ym+(Ym-Yf)/3]},y23-[ym+2*(Ym-Yf)/3]≤min{yi-[ym+2*(Ym-Yf)/3]};yi是最大峰值点和首次峰值点中任一峰值点对应的y坐标。
由于图2爆破波形的首次峰值点与最大峰值点不在时间轴同侧,首次峰值点横坐标不变,纵坐标取其相反数。图2爆破波形和图3微震波形最大峰值前波形段的四个关键数据点分别为(0.2347,2.54E-5),(0.2381,5.59E-5),(0.2500,1.85E-4),(0.2590,3.35E-4)和(0.2510,9.12E-6),(0.2698,2.96E-5),(0.2852,3.55E-5),(0.3033,9.73E-5);使用最小二乘法分别拟合上述四个关键数据点,得到爆破波形和微震波形起振趋势线斜率绝对值分别为kb2=1E-4,km2=3E-5;
3)、统计已确定的微震事件与爆破事件各100组
已确定的微震事件与爆破事件各100组,这200组为实测监测数据,他们的事件类型是已知的,分别对这200组波形求各自的k1和k2,以k1和k2及对应事件类型为输入,即可得到判别方程,应用Fisher判别方法得到以k1和k2为参数的线性识别方程Y=k1+0.664k2-0.676×10-4;Y为判别方程的因变量,用以计算阈值和未知类型事件的判别值。
4)、计算上述100组爆破事件和100组微震事件各自对应特征参数kb1与kb2和km1与km2的平均值,代入判别方程Y,得到各自事件类型判别临界值为Yb和Ym,取平均值,即未知事件判别阈值Yf=-1.984E-5。
5)、计算待识别事件波形起振趋势线斜率得k1=3.22E-6,k2=3.94E-5,代入识别方程得-3.82E-5,该值小于判别阈值,即该事件为微震事件。
2次直线拟合旨在提取可以识别爆破和微震波形的特征值,识别方程和阈值均是对已准确辨识事件类型事件的统计,通过对未知类型波形特征值提取,代入判别方程(Fisher判别方程的构建依据是组组间距离最大,组内距离最小的原则),其结果与阈值比较,即可得出判别结果。图5用以说明为什么可以这样提取特征值,该图将若干爆破信号与微震信号的起振部分画入统一坐标系,图中规律明显,爆破和微震事件的起振趋势线斜率集中于两个不同的区间。如果把爆破和微震信号的识别比作对男人和女人的识别,2次直线拟合即是人脸部特征的提取,而识别方程和阈值就是对已知男性和女性样本在该特征的统计。
Claims (7)
1.一种基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其特征在于,包括以下步骤:
步骤1:获得线性识别方程:
基于N组微震事件与N组爆破事件获得以k1和k2为参数的线性识别方程Y=k1+A*k2+B;其中Y为线性识别方程的因变量,k1和k2分别为第一斜率和第二斜率,A和B为基于样本辨识得到的2个常量值;N为整数,且N≥100;
步骤2:计算判别阈值Yf:
计算N组爆破事件的第一斜率和第二斜率,分别记为kb1与kb2;计算所有kb1的平均值kb1_averge以及所有kb2的平均值kb2_averge;将kb1_averge和kb2_averge分别作为k1和k2代入线性识别方程Y,得到爆破事件类型判别临界值为Yb;
计算N组微震事件对应的第一斜率和第二斜率,分别记为km1与km2;计算所有km1的平均值km1_averge以及所有km2的平均值km2_averge;将km1_averge和km2_averge分别作为k1和k2代入线性识别方程Y,得到爆破事件类型判别临界值为Ym;
取Yb和Ym的平均值作为未知事件判别阈值Yf;
步骤3:基于线性识别方程和判别阈值Yf对待识别事件进行识别:
计算待识别事件波形起振趋势线斜率得到k1和k2,代入所述的识别方程得Y,若Y小于或等于判别阈值Yf,则说明该待识别事件为微震事件,否则若Y大于判别阈值Yf,则说明该待识别事件为爆破事件。
2.根据权利要求1所述的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其特征在于,步骤1中,针对每一组微震事件或爆破事件,进行以下操作:
(1)以P波初至点至波形首次峰值间波形段为对象,沿振幅分布依次选取首次峰值点和首次峰值幅值的3/4值、1/2值和1/4值处的采样点为四个关键数据点;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第一斜率k1;
(2)以P波初至点至波形最大峰值间波形段为对象,沿振幅分布依次选取首次峰值点、最大峰值点和另外两个点P22和P23处的峰值采样点为四个关键数据点;设最大峰值点的y坐标为y2m,首次峰值点的坐标为y2f,另外两个关键数据点的y坐标依次为y22和y23,其余峰值点的y坐标以yi表示,i=1,2,3…,在选取y22和y23时需满足各自条件:y22-[y2m+(y2m-y2f)/3]≤min{yi-[y2m+(y2m-y2f)/3]},y23-[y2m+2*(y2m-y2f)/3]≤min{yi-[y2m+2*(y2m-y2f)/3]};yi是最大峰值点和首次峰值点中任一峰值点对应的y坐标;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第二斜率k2;
统计已确定的微震事件与爆破事件,得到以k1和k2为参数的线性识别方程Y=k1+A*k2+B。
3.根据权利要求2所述的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其特征在于,采用Fisher判别方法得到所述的线性识别方程。
4.根据权利要求1所述的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其特征在于,步骤3,针对待识别事件计算k1和k2的步骤为:
(1)以P波初至点至波形首次峰值间波形段为对象,沿振幅分布依次选取首次峰值点和首次峰值幅值的3/4值、1/2值和1/4值处的采样点为四个关键数据点;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第一斜率k1;
(2)以P波初至点至波形最大峰值间波形段为对象,沿振幅分布依次选取首次峰值点、最大峰值点和另外两个点P22和P23处的峰值采样点为四个关键数据点;设最大峰值点的y坐标为y2m,首次峰值点的坐标为y2f,另外两个关键数据点的y坐标依次为y22和y23,其余峰值点的y坐标以yi表示,i=1,2,3…,在选取y22和y23时需满足各自条件:y22-[y2m+(y2m-y2f)/3]≤min{yi-[y2m+(y2m-y2f)/3]},y23-[y2m+2*(y2m-y2f)/3]≤min{yi-[y2m+2*(y2m-y2f)/3]};yi是最大峰值点和首次峰值点中任一峰值点对应的y坐标;使用最小二乘法拟合上述四个关键数据点,得到拟合直线的斜率后再取绝对值得到第二斜率k2。
5.根据权利要求2或4所述的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其特征在于,若首次峰值点与最大峰值点不在时间轴同侧,则首次峰值点取横坐标不变,纵坐标取其相反数。
6.根据权利要求1-4中任一项所述的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其特征在于,N取值为100。
7.根据权利要求5所述的基于波形起振趋势线斜率的矿山微震和爆破信号识别方法,其特征在于,N取值为100。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410556890.4A CN104297788B (zh) | 2014-10-20 | 2014-10-20 | 基于波形起振趋势线斜率的矿山微震和爆破信号识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410556890.4A CN104297788B (zh) | 2014-10-20 | 2014-10-20 | 基于波形起振趋势线斜率的矿山微震和爆破信号识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104297788A CN104297788A (zh) | 2015-01-21 |
CN104297788B true CN104297788B (zh) | 2017-01-18 |
Family
ID=52317590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410556890.4A Active CN104297788B (zh) | 2014-10-20 | 2014-10-20 | 基于波形起振趋势线斜率的矿山微震和爆破信号识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104297788B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834004B (zh) * | 2015-04-13 | 2017-04-05 | 中南大学 | 基于峰值前后波形斜率的矿山微震与爆破信号识别方法 |
CN105740840B (zh) * | 2016-02-29 | 2017-02-22 | 中南大学 | 一种岩体破裂信号与爆破振动信号的非线性识别方法 |
CN106202919B (zh) * | 2016-07-08 | 2017-06-06 | 中南大学 | 一种基于震源参数的微震与爆破事件识别方法 |
CN108846307B (zh) * | 2018-04-12 | 2021-12-28 | 中南大学 | 一种基于波形图像的微震与爆破事件识别方法 |
CN110886599B (zh) * | 2018-09-07 | 2021-09-17 | 中国石油化工股份有限公司 | 基于破裂速度的非压裂事件识别方法及系统 |
CN110598312A (zh) * | 2019-09-09 | 2019-12-20 | 武汉安保通科技有限公司 | 一种地下振动事件类型识别方法及系统 |
CN113031060B (zh) * | 2021-03-19 | 2022-08-02 | 中国科学院武汉岩土力学研究所 | 近场微震信号识别方法、装置、设备及存储介质 |
CN113050158B (zh) * | 2021-03-19 | 2022-05-31 | 中国科学院武汉岩土力学研究所 | 近场微震信号波形的分析方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452082A (zh) * | 2007-12-05 | 2009-06-10 | 中国科学院地质与地球物理研究所 | 一种分形地震波初至拾取的方法 |
CN102495425A (zh) * | 2011-11-14 | 2012-06-13 | 北京科技大学 | 一种基于能量的微地震震源自动定位方法 |
CN102879813A (zh) * | 2012-09-25 | 2013-01-16 | 中国科学院地质与地球物理研究所 | 一种微地震信号到时自动拾取的方法及装置 |
CN103995290A (zh) * | 2014-06-03 | 2014-08-20 | 山东科技大学 | 一种高精度微震p波震相初至自动拾取方法 |
-
2014
- 2014-10-20 CN CN201410556890.4A patent/CN104297788B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452082A (zh) * | 2007-12-05 | 2009-06-10 | 中国科学院地质与地球物理研究所 | 一种分形地震波初至拾取的方法 |
CN102495425A (zh) * | 2011-11-14 | 2012-06-13 | 北京科技大学 | 一种基于能量的微地震震源自动定位方法 |
CN102879813A (zh) * | 2012-09-25 | 2013-01-16 | 中国科学院地质与地球物理研究所 | 一种微地震信号到时自动拾取的方法及装置 |
CN103995290A (zh) * | 2014-06-03 | 2014-08-20 | 山东科技大学 | 一种高精度微震p波震相初至自动拾取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104297788A (zh) | 2015-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104297788B (zh) | 基于波形起振趋势线斜率的矿山微震和爆破信号识别方法 | |
CN105319603B (zh) | 致密砂岩储层复杂网状裂缝的预测方法 | |
CN106407493B (zh) | 一种基于多维高斯云模型的岩爆等级评价方法 | |
CN101900708B (zh) | 一种基于振动和声频信号的高速列车轨道伤损探测方法 | |
CN104634879B (zh) | 一种金属材料疲劳加载试验与疲劳损伤无损检测分析方法 | |
CN104834004B (zh) | 基于峰值前后波形斜率的矿山微震与爆破信号识别方法 | |
CN104656124A (zh) | 一种基于物探方法的多参量综合岩爆预测方法 | |
CN103513272A (zh) | 一种微地震模拟监测方法 | |
CN105735971B (zh) | 一种基于弹性波的钻孔深度检测系统及其检测方法 | |
CN112162034B (zh) | 一种应用结构噪声的钢-混凝土组合梁损伤识别方法 | |
CN108824409A (zh) | 铁路高陡岩质边坡微震监测方法和系统 | |
CN112557499B (zh) | 一种基于超声波的节理对应力波透反射规律影响的实验方法 | |
CN104483700B (zh) | 地层裂缝监测与预警系统及方法 | |
CN106199700A (zh) | 一种地下水封储油洞库微震监测方法及系统 | |
CN103513280A (zh) | 一种微地震监测模拟系统 | |
CN103193125A (zh) | 电梯液压缓冲器复位性能动态的测量方法及其测试仪 | |
CN104483389B (zh) | 基于组合震源法检测桥梁预应力管道注浆质量的方法 | |
CN209619984U (zh) | 铁路高陡岩质边坡微震监测系统 | |
CN105116377A (zh) | 一种基于hht瞬时能量谱的fdoa定位方法 | |
CN106596025B (zh) | 基于冲激响应的公路隧道悬挂风机基础稳定性检测方法及系统 | |
Wei et al. | A novel DISTINCT method for characterizing breathing features of nonlinear damage in structures | |
CN106320396A (zh) | 建筑物实心桩的低应变双速度信号平均检测方法 | |
JIA et al. | Joint arrival-time picking method of microseismic P-wave and S-wave based on time-frequency analysis | |
CN106483556A (zh) | 一种基于矿山地震监测系统的持续震级与里氏震级转换方法 | |
CN104034807A (zh) | 一种岩土体松动区域超声波检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |