CN110398775B - 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 - Google Patents
隧道突涌水灾害微震事件信号波动初至拾取方法及系统 Download PDFInfo
- Publication number
- CN110398775B CN110398775B CN201910783987.1A CN201910783987A CN110398775B CN 110398775 B CN110398775 B CN 110398775B CN 201910783987 A CN201910783987 A CN 201910783987A CN 110398775 B CN110398775 B CN 110398775B
- Authority
- CN
- China
- Prior art keywords
- arrival time
- candidate
- domain
- arrival
- calculation model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 65
- 238000013016 damping Methods 0.000 claims abstract description 29
- 238000005265 energy consumption Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000001133 acceleration Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 2
- 238000012567 pattern recognition method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/303—Analysis for determining velocity profiles or travel times
- G01V1/305—Travel times
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
- G01V2210/622—Velocity, density or impedance
- G01V2210/6222—Velocity; travel time
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种隧道突涌水灾害微震事件信号波动初至拾取方法及系统,能够在无预设阈值的情况下完成波动初至的拾取;该方法包括以下步骤:识别并提取微震事件信号,并对其进行预处理;建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;获取每个增量曲线的特征点,标定候选初至时间点;构建双曲线定位误差计算模型;基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
Description
技术领域
本公开涉及隧道工程突涌水灾害监测技术领域,具体涉及一种隧道突涌水灾害微震事件信号波动初至拾取方法及系统。
背景技术
微震监测是通过监测岩体破裂产生的震动或其他物体的震动,对监测对象的破坏状况、安全状况等作出评价,从而为预报和控制灾害提供依据的成套设备和技术。
在微震监测技术事件定位方法的事件P波初至拾取中,长短时窗比方法是应用最为广泛的技术之一。长短时窗比拾取方法是利用信号特征函数的STA和LTA之比来识别P波初至相位,当STA/LTA比超过预定或动态指定的阈值时发生触发。发明人在研发过程中发现,类长短时窗比方法还存在以下问题:该方法需要一个或多个预设标准,如检测间隔、阈值设置,造成对于不同对象和研究人员难以形成一致的共识标准,分析结果因此存在一定差异。
发明内容
为了克服上述现有技术的不足,本公开提供了一种隧道突涌水灾害微震事件信号波动初至拾取方法及系统,能够在无预设阈值的情况下完成波动初至的拾取。
本公开一方面提供的一种隧道突涌水灾害微震事件信号波动初至拾取方法的技术方案是:
一种隧道突涌水灾害微震事件信号波动初至拾取方法,该方法包括以下步骤:
识别并提取微震事件信号,并对其进行预处理;
建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
获取每个增量曲线的特征点,标定候选初至时间点;
构建双曲线定位误差计算模型;
基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
本公开一方面提供的一种隧道突涌水灾害微震事件信号波动初至拾取系统的技术方案是:
一种隧道突涌水灾害微震事件信号波动初至拾取系统,该系统包括:
信号获取模块,用于识别并提取微震事件信号,并对其进行预处理;
增量曲线计算模块,用于建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
候选初至时间点标定模块,用于获取每个增量曲线的特征点,标定候选初至时间点;
模型构建模块,用于构建双曲线定位误差计算模型;
误差分布曲线计算模块,用于基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
波动初至时刻确定模块,用于基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
本公开一方面提供的一种计算机可读存储介质的技术方案是:
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
识别并提取微震事件信号,并对其进行预处理;
建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
获取每个增量曲线的特征点,标定候选初至时间点;
构建双曲线定位误差计算模型;
基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
本公开一方面提供的一种处理装置的技术方案是:
一种处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如下步骤:
识别并提取微震事件信号,并对其进行预处理;
建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
获取每个增量曲线的特征点,标定候选初至时间点;
构建双曲线定位误差计算模型;
基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
通过上述技术方案,本公开的有益效果是:
(1)本公开能够在无预设阈值的情况下完成波动初至的拾取,避免了预设阈值的人为误差,具有更好的控制误差,为后续的微震定位计算和分析提供了依据,提高后续的微震定位计算精度;
(2)本公开对于不同信噪比的微震信号在单自由度振动体系能量分析中可以捕获明显特征点;
(3)本公开建立了基于单自由度体系的微震能量域识别模型,提高计算效率,减少误差随机性;通过双曲线定位误差模型的验证,快速精准识别P波初至到时。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本申请,并不构成对本公开的不当限定。
图1是实施例一隧道突涌水灾害微震事件信号波动初至拾取方法的流程图;
图2是实施例一中原始突涌水微震事件波形的示意图;
图3是实施例一中单自由度体系能量域响应计算流程图;
图4是实施例一中信号输入能增量曲线的示意图;
图5是实施例一中信号动能增量曲线的示意图;
图6是实施例一中信号阻尼耗能增量曲线的示意图;
图7是实施例一中基于双曲线定位误差计算模型在双曲线簇结果示意图;
图8是实施例一中微震事件信号初至拾取结果的示意图;
图9是实施例一中定位误差概率分布的示意图;
图10是实施例一中双曲线定位误差计算模型的示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供一种隧道突涌水灾害微震事件信号波动初至拾取方法,请参阅附图1,该方法包括以下步骤:
S101,识别并提取有效微震事件信号,并对其进行预处理。
在本实施例中,所述有效微震事件信号是指隧道现场实施监测数据中截取的微震事件波形数据。采用模式识别方法识别并提取有效微震事件信号,如图2所示,并对提取到的微震事件信号进行滤波、降噪预处理。
S102,建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线。
具体地,所述基于单自由度体系的能量域计算模型为:
将公式(1)进行从y(0)到y(t0)的积分得:
简化为:
EK+ED+EA=EI (3)
其中,FK、ED、EA和EI分别代表单自由度体系的弹性动能、阻尼耗能、变形能及输入能。
建立基于单自由度体系的能量域计算模型后,将步骤101得到的微震事件信号输入基于单自由度体系的能量域计算模型,得到微震事件信号在体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线,如图4、图5和图6所示。
请参阅附图3,所述微震事件信号在体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线的计算方法为:
(1)定义模型参数,包括体系质量、阻尼比、自振周期等;
(2)输入微震事件加速度信号;
(3)求解单自由度体系的能量域计算模型的体系能量微分方程(4),获取位移、速度和加速度增量;
(4)进行迭代计算,获取下一时刻位移、速度和加速度增量;
(5)累积求得各能量域的增量;
(6)输出各能量域的增量曲线。
S103,获取体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线的特征点,标定候选初至时间点。
所述体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线如图4、图5和图6。由于各部分能量变化对振动的反应灵敏度不同,通过选择输入能量域、阻尼耗能量域及弹性动能量域的增量曲线的激增点和极值点作为特征点,并将其标定为候选初至时间点t1、t2、t3。
S104,构建双曲线定位误差计算模型。
在本实施例中,所述双曲线定位误差计算模型为:
如图10所示,以震源到两个传感器为例,微震弹性波从震源到达传感器i和传感器的j之间的到时差(二维平面)可以表示为:
式中,vP表示微震弹性波P波波速;(xi,yi)为传感器i的位置;(xj,yj)为传感器j的位置;(x0,y0)为震源位置。
公式(4)是震源定位双曲线(平面范围)控制方程,形成的曲线为ti-tj到时差轨迹线,线上每点到两个传感器的距离为vP(ti-tj)。对模型台网内所有台站添加了满足相同的正态分布ξ~N(0,σ2I)的旅行时随机误差,I为单位矩阵,σ为随机误差的方差。
S105,基于双曲线定位误差计算模型,分别计算候选初至时间点t1、t2、t3的误差分布曲线。
在本实施例中,通过步骤105构建的双曲线定位误差计算模型,分别计算候选初至时间点t1、t2、t3的误差分布曲线,如图9所示。
具体地,所述候选初至时间点的误差分布曲线采用概率密度函数表示。在数学中,连续型随机变量的概率密度函数是一个描述这个随机变量的输出值在某个确定的取值点附近的可能性的函数。而随机变量的取值落在某个区域之内的概率则为概率密度函数在这个区域上的积分。利用概率密度函数(5)产生含有服从正太分布误差的测量值时,从而进一步得到一系列基于双曲线定位误差计算模型在双曲线簇结果,如图7所示,经过统计计算求得横向的定位误差概率分布,如图9所示。
S106,基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的精确P波初至时刻。
在本实施例中,所述定位精度要求以实际工程要求为准,一般对于不同的工程尺度,其技术参数要求有所不同。
本实施例将满足定位精度要求的候选初至时间点作为最终的精确P波初至时刻,如图8所示。
实施例二
本实施例提供一种隧道突涌水灾害微震事件信号波动初至拾取系统,该系统包括:
信号获取模块,用于识别并提取微震事件信号,并对其进行预处理;
增量曲线计算模块,用于建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
候选初至时间点标定模块,用于获取每个增量曲线的特征点,标定候选初至时间点;
模型构建模块,用于构建双曲线定位误差计算模型;
误差分布曲线计算模块,用于基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
波动初至时刻确定模块,用于基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
实施例三
本实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征是,该程序被处理器执行时实现如下步骤:
识别并提取微震事件信号,并对其进行预处理;
建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
获取每个增量曲线的特征点,标定候选初至时间点;
构建双曲线定位误差计算模型;
基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
实施例四
本实施例提供一种处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如下步骤:
识别并提取微震事件信号,并对其进行预处理;
建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
获取每个增量曲线的特征点,标定候选初至时间点;
构建双曲线定位误差计算模型;
基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (8)
1.一种隧道突涌水灾害微震事件信号波动初至拾取方法,其特征是,该方法包括以下步骤:
识别并提取微震事件信号,并对其进行预处理;
建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
所述基于单自由度体系的能量域计算模型为:
将公式(1)进行从y(0)到y(t0)的积分得:
简化为:
EK+ED+EA=EI (3)
其中,EK、ED、EA和EI分别代表单自由度体系的弹性动能、阻尼耗能、变形能及输入能;
建立基于单自由度体系的能量域计算模型后,将得到的微震事件信号输入基于单自由度体系的能量域计算模型,得到微震事件信号在体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线;
获取每个增量曲线的特征点,标定候选初至时间点;
构建双曲线定位误差计算模型;
所述双曲线定位误差计算模型为:
微震弹性波从震源到达传感器i和传感器的j之间的到时差可以表示为:
式中,vP表示微震弹性波P波波速;(xi,yi)为传感器i的位置;(xj,yj)为传感器j的位置;(x0,y0)为震源位置;ti为震源到达传感器i的时间;tj为震源到达传感器j的时间;
基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
2.根据权利要求1所述的隧道突涌水灾害微震事件信号波动初至拾取方法,其特征是,采用模式识别方法识别并提取微震事件信号,并对提取到的微震事件信号进行滤波和降噪处理。
3.根据权利要求1所述的隧道突涌水灾害微震事件信号波动初至拾取方法,其特征是,所述微震事件信号在体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线的计算方法为:
定义基于单自由度体系的能量域计算模型的参数,包括体系质量、阻尼比和自振周期;
输入预处理后的微震事件信号;
求解基于单自由度体系的能量域计算模型的微分方程,获取当前时刻的位移、速度和加速度增量;
进行迭代计算,获取下一时刻的位移、速度和加速度增量;
累积求得各能量域的增量,得到各能量域的增量曲线。
4.根据权利要求1所述的隧道突涌水灾害微震事件信号波动初至拾取方法,其特征是,选择体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线的激增点和极值点作为特征点,并将其标定为候选初至时间点。
5.根据权利要求1所述的隧道突涌水灾害微震事件信号波动初至拾取方法,其特征是,所述候选初至时间点的误差分布曲线采用概率密度函数表示。
6.一种隧道突涌水灾害微震事件信号波动初至拾取系统,其特征是,该系统包括:
信号获取模块,用于识别并提取微震事件信号,并对其进行预处理;
增量曲线计算模块,用于建立基于单自由度体系的能量域计算模型,获取微震事件信号在单自由度体系中输入能域、阻尼耗能域及弹性动能域的增量曲线;
所述基于单自由度体系的能量域计算模型为:
将公式(1)进行从y(0)到y(t0)的积分得:
简化为:
EK+ED+EA=EI (3)
其中,EK、ED、EA和EI分别代表单自由度体系的弹性动能、阻尼耗能、变形能及输入能;
建立基于单自由度体系的能量域计算模型后,将得到的微震事件信号输入基于单自由度体系的能量域计算模型,得到微震事件信号在体系中输入能量域、阻尼耗能量域及弹性动能量域的增量曲线;
候选初至时间点标定模块,用于获取每个增量曲线的特征点,标定候选初至时间点;
模型构建模块,用于构建双曲线定位误差计算模型;
所述双曲线定位误差计算模型为:
微震弹性波从震源到达传感器i和传感器的j之间的到时差可以表示为:
式中,vP表示微震弹性波P波波速;(xi,yi)为传感器i的位置;(xj,yj)为传感器j的位置;(x0,y0)为震源位置;ti为震源到达传感器i的时间;tj为震源到达传感器j的时间;
误差分布曲线计算模块,用于基于双曲线定位误差计算模型,分别计算所有候选初至时间点的误差分布曲线;
波动初至时刻确定模块,用于基于候选初至时间点的误差分布曲线,判断候选初至时间点是否满足定位精度要求,将满足定位精度要求的候选初至时间点作为最终的波动初至时刻。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征是,该程序被处理器执行时实现如权利要求1-5中任一项所述的隧道突涌水灾害微震事件信号波动初至拾取方法中的步骤。
8.一种处理装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-5中任一项所述的隧道突涌水灾害微震事件信号波动初至拾取方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783987.1A CN110398775B (zh) | 2019-08-23 | 2019-08-23 | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910783987.1A CN110398775B (zh) | 2019-08-23 | 2019-08-23 | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110398775A CN110398775A (zh) | 2019-11-01 |
CN110398775B true CN110398775B (zh) | 2021-04-06 |
Family
ID=68328889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910783987.1A Active CN110398775B (zh) | 2019-08-23 | 2019-08-23 | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110398775B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112904412B (zh) * | 2019-12-03 | 2024-02-23 | 北京矿冶科技集团有限公司 | 一种矿山微震信号p波初至时刻提取方法及系统 |
CN112130207B (zh) * | 2020-09-25 | 2021-07-20 | 中国科学院武汉岩土力学研究所 | 一种基于球形装药条件下由地面振动计算地下振动的方法 |
CN112666604B (zh) * | 2020-12-29 | 2023-08-08 | 厦门大学 | 一种微震p波到时拾取方法、设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495425B (zh) * | 2011-11-14 | 2013-07-03 | 北京科技大学 | 一种基于能量的微地震震源自动定位方法 |
US20150226868A1 (en) * | 2014-02-10 | 2015-08-13 | Microseismic, Inc. | Method for microseismic event moment magnitude estimation |
CN103995290B (zh) * | 2014-06-03 | 2016-11-02 | 山东科技大学 | 一种微震p波震相初至自动拾取方法 |
CN106353792B (zh) * | 2015-07-17 | 2021-03-23 | 中国石油化工股份有限公司 | 一种适用于水力压裂微震震源定位的方法 |
CN106990435B (zh) * | 2017-06-07 | 2018-11-23 | 中煤科工集团西安研究院有限公司 | 一种减弱依赖初至拾取精度的微震定位方法及装置 |
CN108919353B (zh) * | 2018-07-03 | 2020-03-24 | 华北科技学院 | 一种微震波形初至到时的自动分级拾取与优选方法 |
-
2019
- 2019-08-23 CN CN201910783987.1A patent/CN110398775B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110398775A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110398775B (zh) | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 | |
CN112987675B (zh) | 一种异常检测的方法、装置、计算机设备和介质 | |
CN107784276B (zh) | 微震事件识别方法和装置 | |
CN105956526B (zh) | 基于多尺度排列熵的低信噪比微震事件辨识方法 | |
CN111339074B (zh) | 阈值生成方法、装置、设备和存储介质 | |
CN104182642B (zh) | 一种基于稀疏表示的故障检测方法 | |
CN103761748A (zh) | 异常行为检测方法和装置 | |
Kaloop et al. | Multi input–single output models identification of tower bridge movements using GPS monitoring system | |
CN104317681A (zh) | 针对计算机系统的行为异常自动检测方法及检测系统 | |
KR101891175B1 (ko) | 동특성 변화를 이용한 건물 구조물의 안전도 평가방법 및 시스템 | |
US10317549B2 (en) | Systems and methods for non-parametric autopicking of seismic wave features from seismic data | |
CN104237853B (zh) | 一种针对多帧检测前跟踪点迹序列的粒子滤波方法 | |
CN108801437B (zh) | 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 | |
Xiong et al. | A novel deep convolutional image-denoiser network for structural vibration signal denoising | |
US11668857B2 (en) | Device, method and computer program product for validating data provided by a rain sensor | |
CN109870404B (zh) | 一种雨棚结构损伤识别方法、装置及终端设备 | |
TWI636276B (zh) | 人工智能地震判斷方法及地震偵測系統 | |
CN109187898B (zh) | 水产养殖环境中水质氨氮含量的软测量方法及装置 | |
CN105093285A (zh) | 人工智能地震判断方法及地震侦测系统 | |
CN103376465A (zh) | 建筑物楼层的地震即时分析系统及其方法与储存媒体 | |
CN116049158A (zh) | 一种基于多传感器数据融合算法的土壤信息采集方法 | |
CN114925731A (zh) | 检测柔性测斜仪监测数据异常值的方法 | |
Xie et al. | The application of neural network model in earthquake prediction in East China | |
CN114841077A (zh) | 一种风电功率预测方法、装置、介质 | |
CN111048203B (zh) | 一种脑血流调节机能评价装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |