CN112114359A - 一种基于主被动震源信号的危险区域检测方法、系统、终端及可读存储介质 - Google Patents
一种基于主被动震源信号的危险区域检测方法、系统、终端及可读存储介质 Download PDFInfo
- Publication number
- CN112114359A CN112114359A CN202010811187.9A CN202010811187A CN112114359A CN 112114359 A CN112114359 A CN 112114359A CN 202010811187 A CN202010811187 A CN 202010811187A CN 112114359 A CN112114359 A CN 112114359A
- Authority
- CN
- China
- Prior art keywords
- seismic source
- source signal
- active
- passive
- wave velocity
- 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.)
- Granted
Links
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 title claims description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 50
- 239000011435 rock Substances 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001902 propagating effect Effects 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000005065 mining Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005553 drilling Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005422 blasting Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005641 tunneling Effects 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
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G01V2210/65—Source localisation, e.g. faults, hypocenters or reservoirs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Emergency Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于主被动震源信号的危险区域检测方法、系统、终端及可读存储介质,方法包括:步骤1:获取震源信号;布置微震传感器以及布置主动震源在监测区域内,步骤2:辨识每个震源信号为主动震源信号或是被动震源信号;步骤3:对被动震源信号进行定位得到被动震源位置、被动震源信号的释放时刻;步骤4:反演出主动震源信号的监测区域波速场、被动震源信号的监测区域波速场;步骤5:基于主动震源信号的监测区域波速场与被动震源信号的监测区域波速场进行比对进行采空区判定。本发明该方法结合主动震源和被动震源进行定位,提高了空区判定的精度。
Description
技术领域
本发明属于微震监测预警技术领域,具体涉及一种基于主被动震源信号的危险区域检测方法。
背景技术
随着浅部资源的逐年减少和枯竭,国内外矿产资源的开采正向深部发展,处于高应力状态下的岩体受机械凿岩、爆破作业等工程扰动的影响,导致周围岩体出现应力集中、应力释放等应力重分布现象,使得原本稳定的岩体进入不稳定状态,极大地威胁着施工人员和设备的安全。工程扰动会使岩体变形甚至催生岩体内部裂纹的扩展,在这个过程中岩体内部储存的弹性势能会在岩体非弹性变形的过程中以波的形式释放,该能量的释放最终会导致岩体工程失稳并在岩体内部产生微震事件。微震监测技术可以实时采集岩体内部裂纹萌生、发育、贯通时释放的地震波信息,并通过信号辨识、震源定位及其破坏机制反演等手段获取丰富的震源信息,并对监测区域内可能存在的高风险区域进行支护和人员撤离。因此,微震监测技术已成为深部资源开采中有效的监测手段之一。
工程扰动对岩体工程失稳的影响根据作用机理大致可以分为两类:一类是通过工程扰动周围岩体应力的重分布间接影响岩体原生裂隙、断层处的应力分布状态典型的如断层滑移型大震级事件,另一种则为工程扰动直接作用于致灾区域例如采空区塌陷等等。因此,地下空区的存在极大地影响了矿山开采作业的效率与安全,为了有效探清地下空区分布位置及其大小并合理安排作业进行,传统方法多采用钻孔探测,对疑似空区位置打孔探测,根据岩芯分析地质结构构造以作出评价,但该种方法不但要耗费大量的人力物力和财力,而且需要花费很长的时间。
目前地震学中为解决上述问题采取的技术手段主要是波速场成像技术,通过对震源传播路径以及波速进行反演,求解监测区域内波速场模型,以便对危险区域进行圈定,保证矿山生产的安全进行。按照震源类型的不同,波速场成像技术可以分为主动震源波速成像技术和被动震源波速成像技术,主动震源的使用虽然保证了震源位置的精确性,但是在释放主动震源的过程中要停止一切生产活动,极大地限制了波速成像技术在现场中的应用,另一方面爆破作业、机械凿岩等被动震源虽然能够保证信号的连续释放,但在复杂岩体结构下缺乏对被动震源精确定位的方法,难以保证反演的精度。因此,如何既保证定位精度又能实现长期连续检测危险区域成为了深地资源开采中监控防灾的一大难题。
发明内容
本发明的目的是提供一种结合主动震源和被动震源的危险区域监测方法,保证了震源定位的精度以及空区判定的精度。
本发明提供了一种基于主被动震源信号的危险区域检测方法,包括如下步骤:
步骤1:获取震源信号;
其中,布置微震传感器以及在监测区域内布置主动震源,其中,微震传感器接收主动、被动震源信号,并记录每个震源信号触发微震传感器的时刻以及记录主动震源位置和每个主动震源信号的释放时刻;
步骤2:辨识每个震源信号为主动震源信号或是被动震源信号;
步骤3:对被动震源信号进行定位得到被动震源位置、被动震源信号的释放时刻;
步骤4:基于主动震源位置、被动震源位置、主动震源信号的释放时刻、被动震源信号的释放时刻、触发微震传感器的时刻反演出主动震源信号的监测区域波速场、被动震源信号的监测区域波速场;
步骤5:基于所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场进行比对进行采空区判定;
其中,若两种波速场存在相斥情况,则移动主动震源重新反演出主动震源信号的监测区域波速场,且以主动震源信号的反演结果为准。
进一步优选,步骤4中所述主动震源信号的监测区域波速场、被动震源信号的监测区域波速场的反演过程如下:
将监测区域进行网格划分,并采用路径搜索算法追踪主动震源、被动震源与微震传感器之间震源信号的实际传播路径;
再基于实际传播路径以及主动震源信号的释放时刻、被动震源信号的释放时刻以及触发微振传感器的时刻构建监测区间内主动震源信号、被动震源信号在实际传播路径上的走时误差;
基于所述走时误差反演出主动震源信号、被动震源信号分别在待测区域内每个网格的波速得到所述主动震源信号的监测区域波速场、被动震源信号的监测区域波速场。
【本发明反演波速场的过程是推演出实际传播路径,再基于传播路径中穿过每个网格所需时间之和与实际震源走时之间的误差函数,达到反演出所有传播路径通过的网格波速场的效果,这是基于根据路径搜索算法可以得到震源地震波的传播路径,通过多条传播路径对穿过的网格中的波速表达出地震波在每个网格中的走时,将每个网格中的走时相加与实际震源走时之间构成一个误差函数,满足误差函数值最小的网格波速场即为求得的监测区域波速场。】
进一步优选,构建的监测区间内主动震源信号、被动震源信号在实际传播路径上的走时误差如下所示:
式中,分别表示监测到的所有主动震源信号、所有被动震源信号在实际传播路径上的走时误差,N1、N2分别为监测到的主动震源信号、被动震源信号的个数,K为监测区域内划分的网格总数,表示微震传感器i和主动震源j或被动震源j的实际传播路径在一个xyz网格内的传播距离、波速,T′ij表示微震传感器i和主动震源j或被动震源j在传播路径上的实际走时,M为微震传感器的总个数。
进一步优选,步骤5中进行采空区判定的过程如下:
若所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场中均无低波速场,则波速反演区域无采空区;
若所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场中存在相斥情况,则移动主动震源信号重新反演出主动震源信号的监测区域波速场,再将重新反演出主动震源信号的监测区域波速场与被动震源信号的监测区域波速场进行比较,若反演结果依旧相斥,以重新反演出主动震源信号的监测区域波速场为准;
若所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场均表示存在采空区,则存在采空区,并在施工区域和采空区连接处建立临时支护措施。
进一步优选,步骤3中对任意一个被动震源信号进行定位的过程如下:
首先,基于被动震源信号构建每任意两个微震传感器之间的到时差得到到时差方程组;
然后,基于到时差方程组构建到时差与真实值的偏差方程组;
接着,基于偏差方程组求解偏差平方和最小值时对应的被动震源的位置以及地震波在空区与岩体中传播的速度V;
最后,利用被动震源的位置以及地震波在空区与岩体中传播的速度V计算出被动震源信号的释放时刻。
进一步优选,步骤2中利用训练好的神经网络机器学习模型辨识每个震源信号为主动震源信号或是被动震源信号,其中,所述神经网络机器学习模型的构建过程如下:
首先,利用人工辨识的主动震源信号和被动震源信号建立相应的波形数据库,并分别选取M1组主动震源信号波形和M2组被动震源信号波形作为波形图像样本数据库;
然后,对选取的波形图像样本进行预处理得到每个波形图像对应的二维矩阵;
接着,将每个波形图像对应的二维矩阵以及二维矩阵对应的训练标签输入神经网络机器学习模型中进行训练,其中,依据波形图形为主动震源信号或被动震源信号进行编码标记并作为训练标签。
进一步优选,任意两个微震传感器之间的直线距离在200m以内。
第二方面,本发明还提供一种基于上述方法的检测系统,包括:
震源信号获取模块:用于获取主动震源信号和被动震源信号以及每个震源信号触发微震传感器的时刻以及主动震源位置和每个主动震源信号的释放时刻;
辨识模块:用于辨识每个震源信号为主动震源信号或是被动震源信号;
被动震源信号定位模块:用于对被动震源信号进行定位得到被动震源位置、被动震源信号的释放时刻;
波速场反演模块:用于反演出主动震源信号的监测区域波速场、被动震源信号的监测区域波速场;
采空区判定模块:用于将所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场进行比对进行采空区判定。
第三方面,本发明提供一种检测终端,包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序执行上述检测方法的步骤。
第四方面,本发明提供一种可读存储介质,存储了计算机程序,所述计算机程序被处理器调用执行上述检测方法的步骤。
有益效果
本发明提供的一种基于主被动震源信号的危险区域检测方法,其将主动震源与被动震源巧妙地的结合在一体,充分利用主动震源和被动震源监测的优势,同时规避各自的缺点,一方面,由于主动震源信号可以自动识别出来,因此使用本发明所述方法时,主动震源释放过程中并不需要停止生产活动,二方面,本发明同时考虑了主动震源的监测区域波速场和被动震源的监测区域波速场,由于主动震源与被动震源之间信号的不可兼容性,导致在目前的实际应用中以单类震源作为信号的输入,但主动震源和被动震源各有其自身的优势,同时两类信号反演出的波速场又可互相验证,为了利用两类信号并进行正确的反演,本发明克服了对两类信号辨识的技术障碍,同时实现了按照网格对监测区域内的波速场进行主被动震源信号反演,明显提高监测结果的可靠性。
附图说明
图1为一种基于主被动信号的危险区域检测方法实施场景图;
图2为一种基于主被动信号的危险区域检测方法原理图。
具体实施方式
本发明提供的一种基于主被动震源信号的危险区域检测方法是结合主动震源和被动震源进行采空区检测的手段,具体是在矿山采场周围附近布置数个微震传感器使监测区域被微震传感器网络所覆盖;其中,在监测区域中心位置处放置主动震源,定时对测点产生冲击释放微震波;其次由于主动震源释放时伴随着回采、掘进等作业,故需要对主动震源信号和被动(工程扰动)信号进行辨识;然后对被动震源信号震源定位并对主动震源信号和被动震源信号分别进行震动波速度成像;最后综合分析两类震源信号波速成像结果以评估监测区域岩体稳定性状态,圈定采空区域指导施工作业。下面将结合实施例对本发明做进一步的说明,本发明实施例中所述方法包括如下步骤:
S1:在监测区域附件布置微震传感器以及在监测区域内布置主动震源,并利用微震传感器实时获取震源信号,并记录每个震源信号触发微震传感器的时刻以及记录主动震源位置和每个主动震源信号的释放时刻。
其中,微震传感器网络需要覆盖监测区域,使得微震传感器既可以接收主动震源信号也可以接收被动震源信号,同时能保证24小时连续采集。为保证被动震源定位的精确,要使尽可能多的微震传感器接收震源信号(微震传感器数量n,其根据实际需要可以设定),且所有微震传感器之间的直线距离优选在200m以内。
本实施例中,主动震源于监测区域内,并每隔一段时间自动冲击测点释放地震波,本发明记录主动震源位置为(xa,ya,za)与每次的主动释放时间ta。
S2:辨识主动震源信号和被动震源信号。
本发明实施例中选择训练的好的神经网络机器学习模型进行辨识。其中,神经网络机器学习模型的构建过程如下:
首先,利用人工辨识的主动震源信号和被动震源信号建立相应的波形数据库,并分别选取M1组主动震源信号波形和M2组被动震源信号波形作为波形图像样本数据库。优选M1=M2;
然后,对选取的波形图像样本进行预处理得到每个波形图像对应的二维矩阵。本实施例中,预处理的过程为:将两类波形图像尺寸大小调整至相同,并对每幅波形图像中的每个像素点的灰度值(范围0-255)进行提取得到一个二维矩阵,将得到的二维矩阵进行归一化处理。
接着,将每个波形图像对应的二维矩阵以及二维矩阵对应的训练标签输入神经网络机器学习模型中进行训练,其中,依据波形图形为主动震源信号或被动震源信号进行编码标记并作为训练标签。
本实施例中,选用的神经网络机器学习模型为现有模型,二维矩阵(特征图)经过神经网络机器学习模型中卷积核进行卷积操作得到新的特征矩阵,并对其进行下采样操作,经过数个卷积-池化操作后降低了特征图的维度,最后将二维特征矩阵转化为一维行向量。其中,模型架构是现有技术,本发明对此不进行具体的阐述。
应当理解,其他可可行的实施例中,也不限于使用上述架构的模型,也不限于使用机器学习模型进行辨识。
S3:对被动震源信号进行定位得到被动震源位置、被动震源信号的释放时刻。其中,定位原理如下:
假定被动震源位置(x0,y0,z0)和地震波在空区与岩体中传播的速度V均未知,那么被动震源信号经过传播到达第i(i=1,2,…,n)个微震传感器的到时ti和传播路径Li(i=1,2,…,n)之间的关系为:
其中,t0为震源释放地震波的时刻,ti为触发微震传感器的时刻,(xi,yi,zi)分别为第i个微震传感器位置的空间坐标。
同理,将所有接收到被动震源信号的微震传感器对应的传播路径、波速、初始时间和到达时间值之间的关系建立方程组:
其中,(x1,y1,z1)、(x2,y2,z2)、(xn,yn,zn)分别为第一个、第二个和第n个触发的微震传感器的坐标,t1、t2、tn分别上述触发微震传感器相对应的到时。
通过上述建立的方程组可以求解出被动震源的位置坐标,但由于波速在传播过程中的不均匀性以及监测机器在时间同步上的误差导致方程组解出的值为理论值,需要进一步对方程进行求解以使理论值尽可能逼近真实值。
任意两个触发微震传感器之间的到时差可以建立方程组,如下:
式中,Δt1,2表示微震传感器1和微震传感器2之间的到时差。
式中,D1,2表示微震传感器1和微震传感器2的到时差与真实值的偏差。
回归之与真实值之间偏差越小拟合关系越小,故为了得到接近真实的震源坐标实际是求解使得所有触发传感器之间到时差偏差平方和的最小值,定义到时差偏差平方和F(x0,y0,z0,V)为:
对于上述超静定方程,存在一组(x0,y0,z0,)使得F(x0,y0,z0,V)达到最小,当F(x0,y0,z0,V)达到最小时,满足:
通过求解上式,可以定位被动震源的位置(x0,y0,z0)以及波速V,再利用上述公式可以计算出被动震源释放地震波的释放时刻t0。上述参数为被动震源反演波速场提供数据支持。
应当理解,利用微震传感器接收震源信号的时间可以鉴别出对应哪个震源的信号。尤其是主动震源可以控制其触发时间。步骤4:反演出主动震源信号的监测区域波速场、被动震源信号的监测区域波速场(震动波速度场成像)。
首先,对监测区域按照一定比例划分网格(网格数量为X×Y×Z=K,网格为立体网格,XYZ分别表示X坐标轴上的坐标、Y坐标轴上的坐标、Z坐标轴上的坐标,K为网格总数),并采用A*算法(路径搜索算法)分别追踪主动震源信号、被动震源信号与微震传感器之间的实际传播路径,记微震传感器i和震源信号j之间的最短传播路径为Lij,那么在xyz的网格内该路径传播的距离为波速为那么第i个微震传感器接收到的第j个震源释放震动波的走时Tij为:
假设共有n个微震传感器、N1个主动震源信号和N2个被动震源信号(N1+N2=N),第i个微震传感器接收到的第j个震源释放震动波走时的实际值与计算值之间的误差τij为:
τij=Tij-T′ij
其中,T′ij为走时的实际值,第N1主动震源中该值为 为第N1主动震源信号的释放时刻,为第N1主动震源信号触发第i个微震传感器的时刻。同理,被动震源的走时的实际值也是可以计算出的。监测范围内的N1M+N2M传播路径的走时误差可以表示为:
式中,分别表示监测到的所有主动震源信号、所有被动震源信号在实际传播路径上的走时误差。其中,走时误差和越小说明求解得到的每个网格的波速与现实的出入越小,因此最小的和对应的每个网格的波速分别为主动震源信号和被动震源信号求解得到的波速场。
步骤5:基于所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场进行比对实现采空区判定。
地震波的传播路径偏向于高速区域介质,故而可通过对监测区域波速场的成像判别采空区等危险区域,依据上述主动震源信号与被动震源信号的成像结果,本实施例中,对采空区的判定与灾害防控措施如下:
施工区域附近无低波速场出现时,可安全施工;
当施工区域附近存在两种波形场反演结果相斥的情况,需将主动震源移动至监测区域附近,使尽地震波的传播方向尽可能通过待测区域,反演结果若与被动震源反演结果相同,可认定圈定范围内存在采空区,如在其附近进行开采作业则需进行支护措施,若反演结果依旧与之相悖,则以主动震源的反演结果为准,条件允许的情况下联系井下工作人员对该区域进行人工核定,根据人工探测结果决定是否继续开采;
若两种反演结果皆显示该区域附近确实有采空区的存在,则需在施工区域和危险区域连接处建立临时支护措施,根据后续施工与成像结果考虑是否转为永久支护。
基于上述方法,本发明提供一种检测系统,包括相互连接通信的震源信号获取模块,辨识模块,被动震源信号定位模块,波速场反演模块以及采空区判定模块。
震源信号获取模块:用于获取主动震源信号和被动震源信号以及每个震源信号触发微震传感器的时刻以及主动震源位置和每个主动震源信号的释放时刻;
辨识模块:用于辨识每个震源信号为主动震源信号或是被动震源信号;
被动震源信号定位模块:用于对被动震源信号进行定位得到被动震源位置、被动震源信号的释放时刻;
波速场反演模块:用于反演出主动震源信号的监测区域波速场、被动震源信号的监测区域波速场;
采空区判定模块:用于基于所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场进行比对实现采空区判定。
具体各个模块的实现过程请参照方法部分的描述,本实施例对此不进行具体的说明。
应当理解,上述单元模块的具体实现过程参照方法内容,本发明在此不进行具体的赘述,且上述功能模块单元的划分仅仅是一种逻辑功能的划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。同时,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
在其他实施例中,本发明还提供一种检测终端,包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序执行上述检测方法的步骤。
在其他实施例中,本发明还提供一种可读存储介质,存储了计算机程序,所述计算机程序被处理器调用执行上述检测方法的步骤。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
所述可读存储介质为计算机可读存储介质,其可以是前述任一实施例所述的控制器的内部存储单元,例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备,例如所述控制器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要强调的是,本发明所述的实例是说明性的,而不是限定性的,因此本发明不限于具体实施方式中所述的实例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,不脱离本发明宗旨和范围的,不论是修改还是替换,同样属于本发明的保护范围。
Claims (10)
1.一种基于主被动震源信号的危险区域检测方法,其特征在于:包括如下步骤:
步骤1:获取震源信号;
其中,布置微震传感器以及在监测区域内布置主动震源,其中,微震传感器接收主动、被动震源信号,并记录每个震源信号触发微震传感器的时刻以及记录主动震源位置和每个主动震源信号的释放时刻;
步骤2:辨识每个震源信号为主动震源信号或是被动震源信号;
步骤3:对被动震源信号进行定位得到被动震源位置、被动震源信号的释放时刻;
步骤4:基于主动震源位置、被动震源位置、主动震源信号的释放时刻、被动震源信号的释放时刻、触发微震传感器的时刻反演出主动震源信号的波速场、被动震源信号的波速场;
步骤5:基于主动震源信号的监测区域波速场和基于被动震源信号的监测区域波速场进行比对进行采空区判定;
其中,若两种波速场存在相斥情况,则移动主动震源重新反演出主动震源信号的波速场,且以主动震源信号的反演结果为准。
2.根据权利要求1所述的方法,其特征在于,步骤4中所述主动震源信号的波速场、被动震源信号的波速场的反演过程如下:
将监测区域进行网格划分,并采用路径搜索算法追踪主动震源、被动震源与微震传感器之间震源信号的实际传播路径;
再基于实际传播路径以及主动震源信号的释放时刻、被动震源信号的释放时刻以及触发微振传感器的时刻构建监测区间内主动震源信号、被动震源信号在实际传播路径上的走时误差;
基于所述走时误差反演出主动震源信号、被动震源信号分别在待测区域内每个网格的波速得到所述主动震源信号的波速场、被动震源信号的波速场。
4.根据权利要求1所述的方法,其特征在于:步骤5中进行采空区判定的过程如下:
若所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场中均无低波速场,则波速反演区域无采空区;
若所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场中存在相斥情况,则移动主动震源信号重新反演出主动震源信号的波速场,再将重新反演出主动震源信号的监测区域波速场与被动震源信号的监测区域波速场进行比较,若反演结果依旧相斥,以重新反演出主动震源信号的监测区域波速场为准;
若所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场均表示存在采空区,则存在采空区,并在施工区域和采空区连接处建立临时支护措施。
5.根据权利要求1所述的方法,其特征在于:步骤3中对任意一个被动震源信号进行定位的过程如下:
首先,基于被动震源信号构建每任意两个微震传感器之间的到时差得到到时差方程组;
然后,基于到时差方程组构建到时差与真实值的偏差方程组;
接着,基于偏差方程组求解偏差平方和最小值时对应的被动震源的位置以及地震波在空区与岩体中传播的速度V;
最后,利用被动震源的位置以及地震波在空区与岩体中传播的速度V计算出被动震源信号的释放时刻。
6.根据权利要求1所述的方法,其特征在于:步骤2中利用训练好的神经网络机器学习模型辨识每个震源信号为主动震源信号或是被动震源信号,其中,所述神经网络机器学习模型的构建过程如下:
首先,利用人工辨识的主动震源信号和被动震源信号建立相应的波形数据库,并分别选取M1组主动震源信号波形和M2组被动震源信号波形作为波形图像样本数据库;
然后,对选取的波形图像样本进行预处理得到每个波形图像对应的二维矩阵;
接着,将每个波形图像对应的二维矩阵以及二维矩阵对应的训练标签输入神经网络机器学习模型中进行训练,其中,依据波形图形为主动震源信号或被动震源信号进行编码标记并作为训练标签。
7.根据权利要求1所述的方法,其特征在于:任意两个微震传感器之间的直线距离在200m以内。
8.一种基于权利要求1-7任一项所述方法的检测系统,其特征在于:包括:
震源信号获取模块:用于获取主动震源信号和被动震源信号以及每个震源信号触发微震传感器的时刻以及主动震源位置和每个主动震源信号的释放时刻;
辨识模块:用于辨识每个震源信号为主动震源信号或是被动震源信号;
被动震源信号定位模块:用于对被动震源信号进行定位得到被动震源位置、被动震源信号的释放时刻;
波速场反演模块:用于反演出主动震源信号的监测区域波速场、被动震源信号的监测区域波速场;
采空区判定模块:用于基于所述主动震源信号的监测区域波速场与所述被动震源信号的监测区域波速场进行比对进行采空区判定。
9.一种检测终端,其特征在于:包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序执行权利要求1-7任一项所述方法的步骤。
10.一种可读存储介质,其特征在于:存储了计算机程序,所述计算机程序被处理器调用执行权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010811187.9A CN112114359B (zh) | 2020-08-13 | 2020-08-13 | 一种基于主被动震源信号的危险区域检测方法、系统、终端及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010811187.9A CN112114359B (zh) | 2020-08-13 | 2020-08-13 | 一种基于主被动震源信号的危险区域检测方法、系统、终端及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112114359A true CN112114359A (zh) | 2020-12-22 |
CN112114359B CN112114359B (zh) | 2021-07-02 |
Family
ID=73805618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010811187.9A Active CN112114359B (zh) | 2020-08-13 | 2020-08-13 | 一种基于主被动震源信号的危险区域检测方法、系统、终端及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112114359B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859158A (zh) * | 2021-01-29 | 2021-05-28 | 中南大学 | 一种基于主动震源携波的透地通讯方法及系统 |
CN113885074A (zh) * | 2021-09-09 | 2022-01-04 | 中煤科工开采研究院有限公司 | 微震监测能量校核方法 |
US20220120926A1 (en) * | 2020-10-16 | 2022-04-21 | Earthquake Agency Of Ningxia Hui Autonomous Region | Method and system for analyzing seismic active field based on expansion of empirical orthogonal function |
CN114737976A (zh) * | 2022-04-21 | 2022-07-12 | 中南大学 | 一种超前自成像自辨识的悬臂式掘进采矿机器人 |
CN114879256A (zh) * | 2022-03-29 | 2022-08-09 | 天地科技股份有限公司 | 基于多震源融合的冲击地压监测方法及装置、介质、设备 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002055172A (ja) * | 2000-08-08 | 2002-02-20 | Ohbayashi Corp | 地盤内空洞の調査方法 |
WO2011103620A1 (en) * | 2010-02-26 | 2011-09-01 | Subsidence Control International Pty Ltd | A method of reducing subsidence or windblast impacts from longwall mining |
CN102426384A (zh) * | 2011-09-06 | 2012-04-25 | 赵永贵 | 一种探测地下采空区和岩溶分布的方法 |
CN103424769A (zh) * | 2013-04-26 | 2013-12-04 | 上海申丰地质新技术应用研究所有限公司 | 一种采空区联合多波地震勘探方法 |
CN103969678A (zh) * | 2014-05-28 | 2014-08-06 | 陕西省煤田物探测绘有限公司 | 煤矿采空区无源地震探测方法 |
CN104502964A (zh) * | 2014-12-19 | 2015-04-08 | 桂林电子科技大学 | 一种基于空间几何关系的获得微震波速的方法 |
CN105842735A (zh) * | 2016-05-20 | 2016-08-10 | 四川大学 | 具有复杂速度分布的区域岩体微震震源定位方法 |
CN106094021A (zh) * | 2016-06-01 | 2016-11-09 | 北京科技大学 | 一种基于到时差数据库的微地震震源快速定位方法 |
CN106772577A (zh) * | 2016-06-29 | 2017-05-31 | 中国石油大学(华东) | 基于微地震数据和spsa优化算法的震源反演方法 |
CN107643542A (zh) * | 2017-08-28 | 2018-01-30 | 中煤科工集团西安研究院有限公司 | 基于井地联合的煤矿采空区三维弹性波层析探测方法 |
CN107884822A (zh) * | 2017-11-13 | 2018-04-06 | 北京矿冶研究总院 | 一种提高矿用微震震源定位精度的方法 |
CN109828236A (zh) * | 2019-02-14 | 2019-05-31 | 中南大学 | 一种含空区复杂结构中的微震/声发射源定位方法 |
CN110221342A (zh) * | 2019-07-05 | 2019-09-10 | 中南大学 | 基于三维速度模型的震源定位方法、装置及存储介质 |
WO2019234469A1 (en) * | 2018-06-08 | 2019-12-12 | Total Sa | Method for generating an image of a subsurface of an area of interest from seismic data |
CN110609321A (zh) * | 2019-09-24 | 2019-12-24 | 中国科学院武汉岩土力学研究所 | 一种基于速度模型数据库的微震源定位方法 |
CN111189926A (zh) * | 2020-01-08 | 2020-05-22 | 中南大学 | 一种基于全域搜索辨识结构空洞位置的方法及系统 |
CN111221036A (zh) * | 2020-01-21 | 2020-06-02 | 中南大学 | 一种含未知空洞的目标区域震源定位方法及系统 |
-
2020
- 2020-08-13 CN CN202010811187.9A patent/CN112114359B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002055172A (ja) * | 2000-08-08 | 2002-02-20 | Ohbayashi Corp | 地盤内空洞の調査方法 |
WO2011103620A1 (en) * | 2010-02-26 | 2011-09-01 | Subsidence Control International Pty Ltd | A method of reducing subsidence or windblast impacts from longwall mining |
CN102426384A (zh) * | 2011-09-06 | 2012-04-25 | 赵永贵 | 一种探测地下采空区和岩溶分布的方法 |
CN103424769A (zh) * | 2013-04-26 | 2013-12-04 | 上海申丰地质新技术应用研究所有限公司 | 一种采空区联合多波地震勘探方法 |
CN103969678A (zh) * | 2014-05-28 | 2014-08-06 | 陕西省煤田物探测绘有限公司 | 煤矿采空区无源地震探测方法 |
CN104502964A (zh) * | 2014-12-19 | 2015-04-08 | 桂林电子科技大学 | 一种基于空间几何关系的获得微震波速的方法 |
CN105842735A (zh) * | 2016-05-20 | 2016-08-10 | 四川大学 | 具有复杂速度分布的区域岩体微震震源定位方法 |
CN106094021A (zh) * | 2016-06-01 | 2016-11-09 | 北京科技大学 | 一种基于到时差数据库的微地震震源快速定位方法 |
CN106772577A (zh) * | 2016-06-29 | 2017-05-31 | 中国石油大学(华东) | 基于微地震数据和spsa优化算法的震源反演方法 |
CN107643542A (zh) * | 2017-08-28 | 2018-01-30 | 中煤科工集团西安研究院有限公司 | 基于井地联合的煤矿采空区三维弹性波层析探测方法 |
CN107884822A (zh) * | 2017-11-13 | 2018-04-06 | 北京矿冶研究总院 | 一种提高矿用微震震源定位精度的方法 |
WO2019234469A1 (en) * | 2018-06-08 | 2019-12-12 | Total Sa | Method for generating an image of a subsurface of an area of interest from seismic data |
CN109828236A (zh) * | 2019-02-14 | 2019-05-31 | 中南大学 | 一种含空区复杂结构中的微震/声发射源定位方法 |
CN110221342A (zh) * | 2019-07-05 | 2019-09-10 | 中南大学 | 基于三维速度模型的震源定位方法、装置及存储介质 |
CN110609321A (zh) * | 2019-09-24 | 2019-12-24 | 中国科学院武汉岩土力学研究所 | 一种基于速度模型数据库的微震源定位方法 |
CN111189926A (zh) * | 2020-01-08 | 2020-05-22 | 中南大学 | 一种基于全域搜索辨识结构空洞位置的方法及系统 |
CN111221036A (zh) * | 2020-01-21 | 2020-06-02 | 中南大学 | 一种含未知空洞的目标区域震源定位方法及系统 |
Non-Patent Citations (3)
Title |
---|
宫凤强 等: ""基于未确知测度理论的采空区危险性评价研究"", 《岩石力学与工程学报》 * |
李铁 等: ""矿井不明水体突出过程的微震辨识技术"", 《岩石力学与工程学报》 * |
黄麟淇 等: ""各向异性介质中的微震监测和声搜索定位方法"", 《东北大学学报(自然科学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220120926A1 (en) * | 2020-10-16 | 2022-04-21 | Earthquake Agency Of Ningxia Hui Autonomous Region | Method and system for analyzing seismic active field based on expansion of empirical orthogonal function |
US11650341B2 (en) * | 2020-10-16 | 2023-05-16 | Earthquake Agency Of Ningxia Hui Autonomous Region | Method and system for analyzing seismic active field based on expansion of empirical orthogonal function |
CN112859158A (zh) * | 2021-01-29 | 2021-05-28 | 中南大学 | 一种基于主动震源携波的透地通讯方法及系统 |
CN112859158B (zh) * | 2021-01-29 | 2022-04-29 | 中南大学 | 一种基于主动震源携波的透地通讯方法及系统 |
CN113885074A (zh) * | 2021-09-09 | 2022-01-04 | 中煤科工开采研究院有限公司 | 微震监测能量校核方法 |
CN113885074B (zh) * | 2021-09-09 | 2024-04-02 | 中煤科工开采研究院有限公司 | 微震监测能量校核方法 |
CN114879256A (zh) * | 2022-03-29 | 2022-08-09 | 天地科技股份有限公司 | 基于多震源融合的冲击地压监测方法及装置、介质、设备 |
CN114879256B (zh) * | 2022-03-29 | 2024-02-02 | 天地科技股份有限公司 | 冲击地压监测方法及装置、介质、设备 |
CN114737976A (zh) * | 2022-04-21 | 2022-07-12 | 中南大学 | 一种超前自成像自辨识的悬臂式掘进采矿机器人 |
CN114737976B (zh) * | 2022-04-21 | 2023-03-14 | 中南大学 | 一种超前自成像自辨识的悬臂式掘进采矿机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN112114359B (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112114359B (zh) | 一种基于主被动震源信号的危险区域检测方法、系统、终端及可读存储介质 | |
Huang et al. | Micro-seismic event detection and location in underground mines by using Convolutional Neural Networks (CNN) and deep learning | |
Ma et al. | Discrimination of seismic sources in an underground mine using full waveform inversion | |
Feng et al. | Sectional velocity model for microseismic source location in tunnels | |
CN106094021B (zh) | 一种基于到时差数据库的微地震震源快速定位方法 | |
Lopez-Comino et al. | Characterization of hydraulic fractures growth during the Äspö Hard Rock Laboratory experiment (Sweden) | |
CN105607121A (zh) | 一种煤炭陷落柱识别方法和装置 | |
CN110109895A (zh) | 适用于tbm掘进隧道的围岩分级联合预测方法及应用 | |
Li et al. | A nonlinear microseismic source location method based on Simplex method and its residual analysis | |
Dong et al. | Three-dimensional analytical solution of acoustic emission source location for cuboid monitoring network without pre-measured wave velocity | |
US10345463B2 (en) | Methods and systems for using known source events in seismic data processing | |
Feng et al. | Performance and feasibility analysis of two microseismic location methods used in tunnel engineering | |
Marcher et al. | Machine Learning in tunnelling–Capabilities and challenges | |
US11789173B1 (en) | Real-time microseismic magnitude calculation method and device based on deep learning | |
CN113189644B (zh) | 一种微震震源定位方法及系统 | |
Rui et al. | A novel AE source localization method using clustering detection to eliminate abnormal arrivals | |
Wu et al. | Research on microseismic source locations based on deep reinforcement learning | |
Hekmatnejad et al. | Investigating the impact of the estimation error of fracture intensity (P32) on the evaluation of in-situ rock fragmentation and potential of blocks forming around tunnels | |
Zhang et al. | Deep convolutional neural network for microseismic signal detection and classification | |
Li et al. | Automatic arrival-time picking of P-and S-waves of microseismic events based on object detection and CNN | |
Contrucci et al. | Management of post-mining large-scale ground failures: blast swarms field experiment for calibration of permanent microseismic early-warning systems | |
CN111221036B (zh) | 一种含未知空洞的目标区域震源定位方法及系统 | |
US20190018156A1 (en) | Highly accurate focal mechanism for microseismic envents | |
Ren et al. | Research on identification of natural and unnatural earthquake events based on AlexNet convolutional neural network | |
Morris et al. | The distinct element method—application to structures in jointed rock |
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 |