CN118052993A - 基于扫描电镜确定地震断层滑动面特征方法、系统和设备 - Google Patents
基于扫描电镜确定地震断层滑动面特征方法、系统和设备 Download PDFInfo
- Publication number
- CN118052993A CN118052993A CN202410439155.9A CN202410439155A CN118052993A CN 118052993 A CN118052993 A CN 118052993A CN 202410439155 A CN202410439155 A CN 202410439155A CN 118052993 A CN118052993 A CN 118052993A
- Authority
- CN
- China
- Prior art keywords
- earthquake
- sliding surface
- sub
- network
- fault
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000007123 defense Effects 0.000 claims abstract description 66
- 230000006378 damage Effects 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 25
- 230000008447 perception Effects 0.000 claims description 24
- 239000002734 clay mineral Substances 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 9
- 239000010931 gold Substances 0.000 claims description 9
- 229910052737 gold Inorganic materials 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000007747 plating Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000004626 scanning electron microscopy Methods 0.000 claims description 5
- 238000004804 winding Methods 0.000 claims description 5
- 238000001035 drying Methods 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000004544 sputter deposition Methods 0.000 claims description 3
- 230000001364 causal effect Effects 0.000 abstract description 2
- 230000000750 progressive effect Effects 0.000 abstract description 2
- 230000002829 reductive effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 12
- 238000011160 research Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 239000007787 solid Substances 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000010894 electron beam technology Methods 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 101001018064 Homo sapiens Lysosomal-trafficking regulator Proteins 0.000 description 1
- 102100033472 Lysosomal-trafficking regulator Human genes 0.000 description 1
- 235000010703 Modiola caroliniana Nutrition 0.000 description 1
- 244000038561 Modiola caroliniana Species 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002335 preservative effect Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于震害防御领域,具体涉及了一种基于扫描电镜确定地震断层滑动面特征方法、系统和设备,旨在解决现有的根据滑移断层进行地震危害计算通过经验判断而导致精度不足和经验要求过高的问题。本发明包括:制做断层滑动面标准样品;基于所述断层滑动面标准样品,通过扫描电子显微镜获取标准样品扫描图像;通过所述标准样品扫描图像,通过训练好的多任务并行网络获取当前区域的震害防御等级。本发明通过设置分级的多任务并行网络,考虑了不同的图像特征的因果关系,并将初步分析出的多组擦痕与各初级特征共同用于进行滑动面特征的分析,能够降低递进任务带来的信息丢失,提高断层滑动面样品分析的精度,进而提高震害防御等级计算的精度。
Description
技术领域
本发明属于震害防御领域,具体涉及了一种基于扫描电镜确定地震断层滑动面特征方法、系统和设备。
背景技术
虽然地震学界对能否在大地震发生前进行预报一直争论不断,但是人们仍然锲而不舍地探索地震预报的可能途径。例如,针对不同的介质和应力边界条件,开展了大量的应力应变数值模拟(如有限元模拟);在设定的温压环境中,开展了大量的岩石力学破裂实验,并取得了研究进展;依据小(微)地震活动图像分析,结合地球物理场观测,开展了地震预报试验研究,已经积累了一些震例。与此同时,地震地质学家也不遗余力地寻找发震断裂的滑动规律,进而为地震预报提供线索。例如,通过大比例尺地质填图和槽探,结合新地质年代学技术,开展了占地震和大地震重现间隔的研究,对不同性质活动断层,探索建立了地震滑动模式;通过潜在震源区的划分,对一个区域进行地震风险估计。传统方法对断层的地质、地貌特征和平均滑动速率的研究结果指示的只是断层不同活动方式的叠加,对于如何确定断层的滑动方式(粘滑、蠕滑)和滑动性质,传统的地质地貌方法则显得十分的不足。在断层滑动和构造期次方面,前人主要依靠野外宏观判断,实验室内利用偏光显微镜观察断层物质滑动特征和S—C组构。
断层泥是地壳浅层脆性活动断裂带中常见的一种断层变形产物,主要成分为黏土矿物,单一色断层泥带少见,多数情况下呈不同颜色(如猪肝色、紫红色、灰绿色和黄白色等)的条带平行断层面展布,带宽变化范围大,可由几毫米至数十米不等。但是,已有研究和科学考察表明,一次地震形成的断层泥往往只有几个毫米,至多可达几个厘米宽。断裂带内留存的断层泥记载着断层部分活动的历史,保留着断层活动的多种信息,诸如断层的受力过程、运动方式和活动时代以及地震活动特点等。随着扫描电子显微镜(SEM)的广泛应用,地震地质学家关于地震断裂带的精细构造开展了大量研究,而且已深入到纳/微米尺度的观察。但是,前人的研究主要是断层泥内石英颗粒溶蚀特征。断层泥形貌纳微米构造研究是宏观构造研究和显微构造研究的延伸和发展,通过对断层泥纳微米尺度黏土矿物变形特征的观察和分析,可以帮助我们从更小的尺度认识断裂活动,同时能发现宏观和微观尺度下未发现的问题。
现有的地质分析研究地震防御等级的方法,仅通过肉眼对断层滑动面的样品表面进行统计和经验分析,对分析人员的经验门槛要求过高,且可能忽视不同的地质表现之间可能带来的影响、关联的问题。
发明内容
为了解决现有技术中的上述问题,即现有的根据滑移断层进行震害防御措施的设计仅通过经验判断而对地质分析经验要求过高和选择的措施不当的问题,本发明提供了一种基于扫描电镜确定地震断层滑动面特征方法,所述方法包括:
步骤S1,制做断层滑动面标准样品;
步骤S2,基于所述断层滑动面标准样品,通过扫描电子显微镜获取标准样品扫描图像;
步骤S3,通过所述标准样品扫描图像,通过训练好的多任务并行网络获取当前区域的震害防御等级,根据震害防御等级和当前断层滑动面周边设施确认震害防御措施;
所述多任务并行网络,包括多个并行的互不影响的特征提取子网络、滑动面特征分析子网络、震害防御等级计算子网络;每个所述特征提取子网络,基于第一多层感知机构建;滑动面特征分析子网络包括顺次连接的一个多组擦痕感知子网络和多个地震特性感知子网络,多个地震特性感知子网络包括并行的粘滑滑移感知单元、蠕滑滑移感知单元、滑动方向感知单元、构造期次感知单元和运动性质感知单元,每个所述地震特性感知子网络通过全连接层和第二多层感知机构建;其中,每个特征提取子网络的输出端均分别连接至每个地震特性感知子网络的输入端;震害防御等级计算子网络包括全连接层、卷积神经网络和判别器。
进一步的,所述步骤S1,具体包括:
步骤S11,在待确认区域中确定断层滑动面;
步骤S12,清理断层滑动面浮土或风化土;
步骤S13,对清理后的断层滑动面进行样品采集,获得原始样品;
步骤S14,对所述原始样品进行自然干燥、设定尺寸的加工和吹净;
步骤S15,对吹净后的原始样品进行镀金,获得标准样品。
进一步的,所述步骤S15,具体包括:
通过设定压力0.1Pa和电流10mA的离子溅射仪在距离吹净的样品表面35nm处镀金2-3分钟使吹净的样品表面附上一层金膜,获得标准样品。
进一步的,所述多任务并行网络,具体为:
基于所述标准样品扫描图像,抽取初级特征;
基于所述初级特征,通过多组擦痕感知子网络获取多组擦痕图像;
基于所述初级特征和多组擦痕图像,分别通过多个地震特性感知子网络,获取标准样品的粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质感知;
基于所述粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质感知,通过震害防御等级计算子网络计算震害防御等级。
进一步的,所述初级特征,具体为:
用于分别提取多种平直擦痕、擦脊、擦槽、擦痕组数、阶步、黏土矿物排列特征、片状黏土矿物褶皱、绕砾、旋转、碎屑颗粒包裹、拖曳褶皱分布。
进一步的,在每个所述滑动面特征分析子网络之前,还包括降维模块,具体为,对于每个地震特性感知子网络,分别通过PCA方法获取对应的降维曲线。
进一步的,所述多任务并行网络,其训练方法包括:
步骤A1,选取历史上地震低发区域的断层滑动面、距离地震发生时间不同、地震强度不同的断层滑动面,获取标准样品数据,附上标签作为训练数据;
步骤A2,基于所述训练数据,通过特征提取子网络分别获取训练数据初级特征;
步骤A3,基于所述训练数据初级特征和标签,分别单独计算初级特征损失;
步骤A4,调整特征提取子网络的模型参数,重复步骤A2至步骤A3所述方法,直至所有的初级特征损失低于预设的对应初级特征的第一阈值,获得初级特征训练集,进入步骤A5;
步骤A5,基于初级特征训练集通过多个地震特性感知子网络和震害防御等级计算子网络,获取训练集粘滑滑移、蠕滑滑移、滑动方向、构造期次、运动性质和震害防御等级,并与标签计算多任务并行损失函数;
步骤A6,调整多个地震特性感知子网络的模型参数和多组擦痕感知子网络的参数,重复步骤A5,直至所述多任务并行损失函数低于设定的第二阈值,获得训练好的多任务并行网络。
进一步的,所述多任务并行损失函数为:
;
;
;
;
表示粘滑滑移损失,/>表示蠕滑滑移损失,/>表示滑动方向损失,/>表示构造期次损失,/>表示运动性质损失,/>震害防御等级损失,/>、/>、/>、/>、/>和/>表示权重,/>表示关系正则化损失,/>表示粘滑滑移、蠕滑滑移和滑动方向的联合损失,/>表示构造期次和运动性质的联合损失,/>和/>表示联合损失的联合关系系数;其中,粘滑滑移、蠕滑滑移和滑动方向采用回归损失,构造期次、运动性质和震害防御等级采用交叉熵损失,/>表示从粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质推导出震害防御等级的影响程度的非线性函数。
本发明的另一方面,提出了一种基于扫描电镜确定地震断层滑动面特征系统,所述系统包括:
样品获取模块,配置为制做断层滑动面标准样品;
电镜扫描模块,配置为基于所述断层滑动面标准样品,通过扫描电子显微镜获取标准样品扫描图像;
震害防御等级计算模块,配置为通过所述标准样品扫描图像,通过训练好的多任务并行网络获取当前区域的震害防御等级,根据震害防御等级和当前断层滑动面周边设施确认震害防御措施;
所述多任务并行网络,包括多个并行的互不影响的特征提取子网络、滑动面特征分析子网络、震害防御等级计算子网络;每个所述特征提取子网络,基于第一多层感知机构建;滑动面特征分析子网络包括顺次连接的一个多组擦痕感知子网络和多个地震特性感知子网络,多个地震特性感知子网络包括并行的粘滑滑移感知单元、蠕滑滑移感知单元、滑动方向感知单元、构造期次感知单元和运动性质感知单元,每个所述地震特性感知子网络通过全连接层和第二多层感知机构建;其中,每个特征提取子网络的输出端均分别连接至每个地震特性感知子网络的输入端;震害防御等级计算子网络包括全连接层、卷积神经网络和判别器。
本发明的第三方面,提出了一种电子设备,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于扫描电镜确定地震断层滑动面特征方法。
本发明的第四方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现上述的基于扫描电镜确定地震断层滑动面特征方法。
本发明的有益效果:
(1)本发明通过设置分级的多任务并行网络,考虑了不同的图像特征的因果关系,并将初步分析出的多组擦痕与各初级特征共同用于进行滑动面特征的分析,能够降低递进任务带来的信息丢失,提高断层滑动面样品分析的精度,进而提高震害防御等级的精度,最终实现精准的设置震害防御措施,既起到防御效果也避免了防御措施成本的浪费。
(2)本发明通过针对不同的滑动面特征进行降维,即充分保留了大部分初级特征中的关键信息又剔除了不良干扰的影响,提高了网络计算的速度。
(3)本发明通过分别对特征提取子网络和多任务并行网络整体的两次训练,进一步提高了震害防御等级计算的精度和各滑动面特征的识别精度,为后续的地震地质研究提供了可靠的研究资料。
(4)本发明通过在损失函数中添加联合损失以学习不同的滑动面特征之间的联系,还通过添加关系正则化损失学习了各滑动面特征对推导出震害防御等级的关联,考虑了震害防御等级中各个环节的关联性,提高了震害防御等级的计算精度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明实施例中基于扫描电镜确定地震断层滑动面特征方法的流程示意图;
图2是本发明实施例中获取的标准样品中断层泥a-b组构面微纳、微米尺度效果示意图;
图3是本发明实施例中获取的标准样品中断层泥a-c组构面微纳、微米尺度效果示意图;
图4是本发明实施例中获取的多任务并行网络的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了更清晰地对本发明基于扫描电镜确定地震断层滑动面特征方法进行说明,下面结合图1对本发明实施例中各步骤展开详述。
本发明第一实施例的基于扫描电镜确定地震断层滑动面特征方法,包括步骤S1-步骤S3,各步骤详细描述如下:
步骤S1,制做断层滑动面标准样品;
在本实施例中,所述步骤S1,具体包括:
步骤S11,在待确认区域中确定断层滑动面;
步骤S12,清理断层滑动面浮土或风化土;清理浮土或风化土能够为新鲜断层泥样品的采集做准备,避免杂质干扰;
选择断层泥发育的活动断裂带,以野外宏观调查为基础,在滑动面上系统地采集断层泥样品,并进行三维定向标注。为了保持样品的新鲜度和滑动面的原始构造,本实施例采集规格为l0cm×5cm×5cm 的样品,用保鲜膜和软纸分层包裹,装入硬纸盒带回室内。为了防止外包装标定的方向被破坏,同时在样品表面不受影响处标注方向。
步骤S13,对清理后的断层滑动面进行样品采集,获得原始样品;在野外标本进行三维定向标注,用锡纸包裹、再使用气泡膜缠绕、最后用塑料盒密封包装、贴样品标签。
步骤S14,对所述原始样品进行自然干燥、设定尺寸的加工和吹净;
使用美工刀和镊子,将其制作成供实验室观察的标准样本,尺寸为 0. 5cm 左右见方,0.2~0.3cm 厚。在标准样品制作时需考虑到观察 ab 组构面或者 ac 或 bc 组构面。
室内制样需要准备的工具有一次性透明手套、放大镜、刻刀、镊子、磨石、洗耳球、塑封袋、标签、记号笔和样品收纳盒。在室内,将野外样品包装纸打开,在室温下缓慢干燥10 小时。需要注意勿将整个样品打开暴露在空气中,以防止样品快速干燥、失水裂开。用镊子将样品剥开,借助放大镜,选择擦痕清晰的擦面。用镊子、刻刀取出选中的靶区,微样尺寸为: 长和宽 3-5mm、厚 2-3mm。在磨刀石上将微样底部打磨平整,用洗耳球清除样品表面的粉末后,将微样单个装入速封袋内用于扫描电镜观察分析。最后进行标注、贴标签,将微样存入样品收纳盒。
将切好的标准样本粘贴于无磁性金属底座上,用洗耳球吹净备用。
步骤S15,对吹净后的原始样品进行镀金,获得标准样品。具体为:所述步骤S15,具体包括:
通过设定压力0.1Pa和电流10mA的离子溅射仪在距离吹净的样品表面35nm处镀金2-3分钟使吹净的样品表面附上一层金膜,获得标准样品。
步骤S2,基于所述断层滑动面标准样品,通过扫描电子显微镜获取标准样品扫描图像;获得的标准样品扫描图像如图2和图3所示;通过扫描电子显微镜观察样品形貌特征,能够直接刻画最新一次断层活动留下的痕迹。图2为标准样品中断层泥a-b组构面微纳、微米尺度效果示意图,其中,图2中的(a)为擦脊和擦槽,其中擦脊为实箭头,擦槽为虚箭头;图2中的(b)为擦脊上的纳米级片状黏土矿物,以实箭头表示;图2中的(c)表示阶步和擦线,其中阶步为实箭头,擦线为虚箭头,指示对盘向下运动,兼有左旋分量;图2中的(d)为擦槽中分布着“花瓣”状矿物,如实箭头表示。图3为标准样品中断层泥a-c组构面微纳、微米尺度效果示意图,在图3中的(a)为片状黏土矿物褶皱,如虚线所示;图3中的(b)为断层泥中“磨砾”与片状黏土矿物接触关系,其中“磨砾”为实箭头,接触关系为虚箭头,指示断层运动方向;图3中的(c)为片状黏土矿物“撕裂”,通过实双箭头表示,裂开宽度为900nm;图3中的(d)表示断层泥中长条形矿物,和在弯曲处断开的现象,其中长条形矿物为实箭头所指处,弯曲处的断开如虚线框内的图像表示。
扫描电镜的工作原理是用聚焦电子束在微样表面逐点扫描成像。由电子枪发射电子束,经加速申压的作用,在扫描线圈驱动下,于样品表面按一定时间、空间顺序作栅网式扫描。聚焦电子束与微样相互作用,产生二次电子发射,二次电子发射量随微样表面形貌而变化。二次电子信号被探测器收集转换成申信号,经视频放大后输入到显像管栅极调制与入射电子束同步扫描的显像管亮度,得到反映微样表面形貌的二次电子像。
利用扫描电子显微镜观测镀金后的微样,基本工作参数为:样品仓内气压<2×10-3Pa,工作电压 5kV,焦距约 5-12mm。利用扫描电镜观察断层泥 a-b 组构面擦痕、擦脊、擦槽、擦痕组数、擦面、阶步、黏土矿物排列形式和 a-c 组构面片状黏土矿物褶皱、绕砾、旋转、撕裂以及碎屑颗粒包裹等变形表现出的各种超微观构造现象。观察顺序往往由全域扫描观察,在放大倍数几百倍至1-2000倍视域下完成。发现理想的现象时,逐级放大至数万倍,乃至10多万倍,大致是几十纳米,拍摄目标现象,存储为tif格式。然后逐渐缩小目标,依次拍照。最后,针对同一目标在3至4级情况下,获得3~4张照片。
步骤S3,通过所述标准样品扫描图像,通过训练好的多任务并行网络获取当前区域的震害防御等级,根据震害防御等级和当前断层滑动面周边设施确认震害防御措施;
所述多任务并行网络,如图4所示,包括多个并行的互不影响的特征提取子网络、滑动面特征分析子网络、震害防御等级计算子网络;每个所述特征提取子网络,基于第一多层感知机构建;滑动面特征分析子网络包括顺次连接的一个多组擦痕感知子网络和多个地震特性感知子网络,多个地震特性感知子网络包括并行的粘滑滑移感知单元、蠕滑滑移感知单元、滑动方向感知单元、构造期次感知单元和运动性质感知单元,每个所述地震特性感知子网络通过全连接层和第二多层感知机构建;其中,每个特征提取子网络的输出端均分别连接至每个地震特性感知子网络的输入端;震害防御等级计算子网络包括全连接层、卷积神经网络和判别器。
在本实施例中,所述多任务并行网络,具体为:
基于所述标准样品扫描图像,抽取初级特征;
在本实施例中,所述初级特征,具体为:
用于分别提取多种平直擦痕、擦脊、擦槽、擦痕组数、阶步、黏土矿物排列特征、片状黏土矿物褶皱、绕砾、旋转、碎屑颗粒包裹、拖曳褶皱分布。
在本实施例中,在每个所述滑动面特征分析子网络之前,还包括降维模块,具体为,对于每个地震特性感知子网络,分别通过PCA方法获取对应的降维曲线。
基于所述初级特征,通过多组擦痕感知子网络获取多组擦痕图像;
基于所述初级特征和多组擦痕图像,分别通过多个地震特性感知子网络,获取标准样品的粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质感知;
基于所述粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质感知,通过震害防御等级计算子网络计算震害防御等级。
在本实施例中,所述多任务并行网络,其训练方法包括:
步骤A1,选取历史上地震低发区域的断层滑动面、距离地震发生时间不同、地震强度不同的断层滑动面,获取标准样品数据,附上标签作为训练数据;
步骤A2,基于所述训练数据,通过特征提取子网络分别获取训练数据初级特征;
步骤A3,基于所述训练数据初级特征和标签,分别单独计算初级特征损失;
步骤A4,调整特征提取子网络的模型参数,重复步骤A2至步骤A3所述方法,直至所有的初级特征损失低于预设的对应初级特征的第一阈值,获得初级特征训练集,进入步骤A5;
步骤A5,基于初级特征训练集通过多个地震特性感知子网络和震害防御等级计算子网络,获取训练集粘滑滑移、蠕滑滑移、滑动方向、构造期次、运动性质和震害防御等级,并与标签计算多任务并行损失函数;
在本实施例中,所述多任务并行损失函数为:
;
;
;
;
表示粘滑滑移损失,/>表示蠕滑滑移损失,/>表示滑动方向损失,/>表示构造期次损失,/>表示运动性质损失,/>震害防御等级损失,/>、/>、/>、/>、/>和/>表示权重,/>表示关系正则化损失,/>表示粘滑滑移、蠕滑滑移和滑动方向的联合损失,/>表示构造期次和运动性质的联合损失,/>和/>表示联合损失的联合关系系数;其中,粘滑滑移、蠕滑滑移和滑动方向采用回归损失,构造期次、运动性质和震害防御等级采用交叉熵损失,/>表示从粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质推导出震害防御等级的影响程度的非线性函数。
通常认为粘滑滑移一般表现为平直擦痕、擦脊、擦槽、多组擦痕、阶步、黏土矿物排列形式。蠕滑滑移表现为片状黏土矿物褶皱、绕砾、旋转、碎屑颗粒包裹、拖曳褶皱等特征。多组擦痕,根据其穿插关系,可以确定滑动次数,以及最新滑动方向。阶步、颗粒包裹特征、拖曳褶皱可以确定断层运动方向。
但是也无法保证不同的初级特征对其他的滑动面特征没有联系,因此我们在计算分析每一个滑动面特征时,均将所有的初级特征通过全连接层共同纳入分析。
步骤A6,调整多个地震特性感知子网络的模型参数和多组擦痕感知子网络的参数,重复步骤A5,直至所述多任务并行损失函数低于设定的第二阈值,获得训练好的多任务并行网络。
在本实施例中,所述震害防御措施,包括划定不同地区的地震基本烈度,作为城乡建设抗震设防的依据。如制定并执行各类建设工程的抗震设计规范和技术标准,确保新建、改建、扩建工程达到规定的抗震设防要求。或对确认当前采样断层进行震害防御评估,避免将重要设施直接建在震害防御评估结果不良的区域。对工程建设地点进行地震安全评估,提供设计地震动参数。或对已有建筑物和基础设施进行抗震性能鉴定和加固改造,提高其抵御地震的能力。
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述,但是本领域技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的保护范围之内。
本发明第二实施例的基于扫描电镜确定地震断层滑动面特征系统,所述系统包括:
样品获取模块,配置为制做断层滑动面标准样品;
电镜扫描模块,配置为基于所述断层滑动面标准样品,通过扫描电子显微镜获取标准样品扫描图像;
震害防御等级计算模块,配置为通过所述标准样品扫描图像,通过训练好的多任务并行网络获取当前区域的震害防御等级,根据震害防御等级和当前断层滑动面周边设施确认震害防御措施;
所述多任务并行网络,包括多个并行的互不影响的特征提取子网络、滑动面特征分析子网络、震害防御等级计算子网络;每个所述特征提取子网络,基于第一多层感知机构建;滑动面特征分析子网络包括顺次连接的一个多组擦痕感知子网络和多个地震特性感知子网络,多个地震特性感知子网络包括并行的粘滑滑移感知单元、蠕滑滑移感知单元、滑动方向感知单元、构造期次感知单元和运动性质感知单元,每个所述地震特性感知子网络通过全连接层和第二多层感知机构建;其中,每个特征提取子网络的输出端均分别连接至每个地震特性感知子网络的输入端;震害防御等级计算子网络包括全连接层、卷积神经网络和判别器。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的基于XXX的系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本发明第三实施例的一种电子设备,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现上述的基于扫描电镜确定地震断层滑动面特征方法。
本发明第四实施例的一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现上述的基于扫描电镜确定地震断层滑动面特征方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于扫描电镜确定地震断层滑动面特征方法,其特征在于,所述方法包括:
步骤S1,制做断层滑动面标准样品;
步骤S2,基于所述断层滑动面标准样品,通过扫描电子显微镜获取标准样品扫描图像;
步骤S3,通过所述标准样品扫描图像,通过训练好的多任务并行网络获取当前区域的震害防御等级,根据震害防御等级和当前断层滑动面周边设施确认震害防御措施;
所述多任务并行网络,包括多个并行的互不影响的特征提取子网络、滑动面特征分析子网络、震害防御等级计算子网络;每个所述特征提取子网络,基于第一多层感知机构建;滑动面特征分析子网络包括顺次连接的一个多组擦痕感知子网络和多个地震特性感知子网络,多个地震特性感知子网络包括并行的粘滑滑移感知单元、蠕滑滑移感知单元、滑动方向感知单元、构造期次感知单元和运动性质感知单元,每个所述地震特性感知子网络通过全连接层和第二多层感知机构建;其中,每个特征提取子网络的输出端均分别连接至每个地震特性感知子网络的输入端;震害防御等级计算子网络包括全连接层、卷积神经网络和判别器。
2.根据权利要求1所述的基于扫描电镜确定地震断层滑动面特征方法,其特征在于,所述步骤S1,具体包括:
步骤S11,在待确认区域中确定断层滑动面;
步骤S12,清理断层滑动面浮土或风化土;
步骤S13,对清理后的断层滑动面进行样品采集,获得原始样品;
步骤S14,对所述原始样品进行自然干燥、设定尺寸的加工和吹净;
步骤S15,对吹净后的原始样品进行镀金,获得标准样品。
3.根据权利要求2所述的基于扫描电镜确定地震断层滑动面特征方法,其特征在于,所述步骤S15,具体包括:
通过设定压力0.1Pa和电流10mA的离子溅射仪在距离吹净的样品表面35nm处镀金2-3分钟使吹净的样品表面附上一层金膜,获得标准样品。
4.根据权利要求1所述的基于扫描电镜确定地震断层滑动面特征方法,其特征在于,所述多任务并行网络,具体为:
基于所述标准样品扫描图像,抽取初级特征;
基于所述初级特征,通过多组擦痕感知子网络获取多组擦痕图像;
基于所述初级特征和多组擦痕图像,分别通过多个地震特性感知子网络,获取标准样品的粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质感知;
基于所述粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质感知,通过震害防御等级计算子网络计算震害防御等级。
5.根据权利要求4所述的基于扫描电镜确定地震断层滑动面特征方法,其特征在于,所述初级特征,具体为:
用于分别提取多种平直擦痕、擦脊、擦槽、擦痕组数、阶步、黏土矿物排列特征、片状黏土矿物褶皱、绕砾、旋转、碎屑颗粒包裹、拖曳褶皱分布。
6.基于权利要求5所述的基于扫描电镜确定地震断层滑动面特征方法,其特征在于,在每个所述滑动面特征分析子网络之前,还包括降维模块,具体为,对于每个地震特性感知子网络,分别通过PCA方法获取对应的降维曲线。
7.根据权利要求6所述的基于扫描电镜确定地震断层滑动面特征方法,其特征在于,所述多任务并行网络,其训练方法包括:
步骤A1,选取历史上地震低发区域的断层滑动面、距离地震发生时间不同、地震强度不同的断层滑动面,获取标准样品数据,附上标签作为训练数据;
步骤A2,基于所述训练数据,通过特征提取子网络分别获取训练数据初级特征;
步骤A3,基于所述训练数据初级特征和标签,分别单独计算初级特征损失;
步骤A4,调整特征提取子网络的模型参数,重复步骤A2至步骤A3所述方法,直至所有的初级特征损失低于预设的对应初级特征的第一阈值,获得初级特征训练集,进入步骤A5;
步骤A5,基于初级特征训练集通过多个地震特性感知子网络和震害防御等级计算子网络,获取训练集粘滑滑移、蠕滑滑移、滑动方向、构造期次、运动性质和震害防御等级,并与标签计算多任务并行损失函数;
步骤A6,调整多个地震特性感知子网络的模型参数和多组擦痕感知子网络的参数,重复步骤A5,直至所述多任务并行损失函数低于设定的第二阈值,获得训练好的多任务并行网络。
8.根据权利要求7所述的基于扫描电镜确定地震断层滑动面特征方法,其特征在于,所述多任务并行损失函数为:
;
;
;
;
表示粘滑滑移损失,/>表示蠕滑滑移损失,/>表示滑动方向损失,/>表示构造期次损失,/>表示运动性质损失,/>地震风险等级损失,/>、/>、/>、/>、/>和/>表示权重,/>表示关系正则化损失,/>表示粘滑滑移、蠕滑滑移和滑动方向的联合损失,/>表示构造期次和运动性质的联合损失,/>和/>表示联合损失的联合关系系数;其中,粘滑滑移、蠕滑滑移和滑动方向采用回归损失,构造期次、运动性质和震害防御等级采用交叉熵损失,/>表示从粘滑滑移、蠕滑滑移、滑动方向、构造期次和运动性质推导出地震风险等级的影响程度的非线性函数。
9.一种基于扫描电镜确定地震断层滑动面特征系统,其特征在于,所述系统包括:
样品获取模块,配置为制做断层滑动面标准样品;
电镜扫描模块,配置为基于所述断层滑动面标准样品,通过扫描电子显微镜获取标准样品扫描图像;
震害防御等级计算模块,配置为通过所述标准样品扫描图像,通过训练好的多任务并行网络获取当前区域的震害防御等级,根据震害防御等级和当前断层滑动面周边设施确认震害防御措施;
所述多任务并行网络,包括多个并行的互不影响的特征提取子网络、滑动面特征分析子网络、震害防御等级计算子网络;每个所述特征提取子网络,基于第一多层感知机构建;滑动面特征分析子网络包括顺次连接的一个多组擦痕感知子网络和多个地震特性感知子网络,多个地震特性感知子网络包括并行的粘滑滑移感知单元、蠕滑滑移感知单元、滑动方向感知单元、构造期次感知单元和运动性质感知单元,每个所述地震特性感知子网络通过全连接层和第二多层感知机构建;其中,每个特征提取子网络的输出端均分别连接至每个地震特性感知子网络的输入端;震害防御等级计算子网络包括全连接层、卷积神经网络和判别器。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求1-8任一项所述的基于扫描电镜确定地震断层滑动面特征方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410439155.9A CN118052993B (zh) | 2024-04-12 | 2024-04-12 | 基于扫描电镜确定地震断层滑动面特征方法、系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410439155.9A CN118052993B (zh) | 2024-04-12 | 2024-04-12 | 基于扫描电镜确定地震断层滑动面特征方法、系统和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118052993A true CN118052993A (zh) | 2024-05-17 |
CN118052993B CN118052993B (zh) | 2024-06-18 |
Family
ID=91052245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410439155.9A Active CN118052993B (zh) | 2024-04-12 | 2024-04-12 | 基于扫描电镜确定地震断层滑动面特征方法、系统和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118052993B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842318A (zh) * | 2016-12-30 | 2017-06-13 | 中国石油天然气股份有限公司 | 微观溶蚀孔隙地球物理二维表征确定方法和装置 |
CN110082822A (zh) * | 2019-04-09 | 2019-08-02 | 中国科学技术大学 | 利用卷积神经网络进行地震检测的方法 |
CN111985355A (zh) * | 2020-08-01 | 2020-11-24 | 桂林理工大学 | 基于深度学习和云计算的遥感建筑物震害评估方法和系统 |
CN114048676A (zh) * | 2021-11-02 | 2022-02-15 | 中国石油大学(华东) | 基于多任务深度学习的地震断层和层位解释方法、装置 |
CN116625832A (zh) * | 2022-09-09 | 2023-08-22 | 中国石油大学(华东) | 一种基于形变、温度、流体多场耦合的断层失稳实验装置及方法 |
-
2024
- 2024-04-12 CN CN202410439155.9A patent/CN118052993B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842318A (zh) * | 2016-12-30 | 2017-06-13 | 中国石油天然气股份有限公司 | 微观溶蚀孔隙地球物理二维表征确定方法和装置 |
CN110082822A (zh) * | 2019-04-09 | 2019-08-02 | 中国科学技术大学 | 利用卷积神经网络进行地震检测的方法 |
CN111985355A (zh) * | 2020-08-01 | 2020-11-24 | 桂林理工大学 | 基于深度学习和云计算的遥感建筑物震害评估方法和系统 |
CN114048676A (zh) * | 2021-11-02 | 2022-02-15 | 中国石油大学(华东) | 基于多任务深度学习的地震断层和层位解释方法、装置 |
CN116625832A (zh) * | 2022-09-09 | 2023-08-22 | 中国石油大学(华东) | 一种基于形变、温度、流体多场耦合的断层失稳实验装置及方法 |
Non-Patent Citations (1)
Title |
---|
王雷: ""活动断裂带断层泥纳微米尺度的特征研究"", 《基础科学辑》, no. 02, 15 February 2017 (2017-02-15), pages 1 - 7 * |
Also Published As
Publication number | Publication date |
---|---|
CN118052993B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moses et al. | Methods for measuring rock surface weathering and erosion: A critical review | |
Benn | Clast morphology | |
CN105352873B (zh) | 页岩孔隙结构的表征方法 | |
Murray et al. | Texture-based classification of sub-Antarctic vegetation communities on Heard Island | |
Vollsnes et al. | Quantifying rhizosphere particle movement around mutant maize roots using time‐lapse imaging and particle image velocimetry | |
Gauthier et al. | Assessing XRF for the geochemical characterization of radiolarian chert artifacts from northeastern North America | |
CN109444015A (zh) | 多视域、多尺度下的页岩储层微孔系统鉴定方法 | |
CN112326929A (zh) | 一种用于矿物中微量元素多尺度赋存状态分析方法 | |
CN115018986B (zh) | 一种强构造活动区岩石微观结构信息解译及三维建模方法 | |
Chu et al. | Micro-abrasion of flint artifacts by mobile sediments: a taphonomic approach | |
CN118052993B (zh) | 基于扫描电镜确定地震断层滑动面特征方法、系统和设备 | |
Schwarzer et al. | Electron back scattered diffraction: current state, prospects and comparison with x-ray diffraction texture measurement | |
Kuny et al. | Discriminating between the SAR signatures of debris and high vegetation | |
Thoonen et al. | Habitat mapping and quality assessment of heathlands using a modified kernel-based reclassification technique | |
Mills et al. | Microstructure and crystallographic texture data in modern giant clam shells (Tridacna squamosa and Hippopus hippopus) | |
Johnson et al. | WorldView-3 SWIR land use-land cover mineral classification: Cuprite, Nevada | |
Rovner | Complex measurements made easy: Morphometric analysis of artefacts using Expert Vision Systems | |
Sinčić et al. | Influence of the landslide inventory sampling on the accuracy of the susceptibility modelling using Random Forests: A case study from the NW Croatia | |
Dixon et al. | Use of digital imaging for improved evaluation of unconventional reservoirs | |
Zhang et al. | Drone-Based Remote Sensing for Research onWind Erosion in Drylands: Possible Applications. Remote Sens. 2021, 13, 283 | |
CN114414600B (zh) | 一种基于三维层析成像的藻礁白云岩判别与物性分析方法 | |
Galantucci et al. | A rapid pipeline for periodic inspection and maintenance of architectural surfaces | |
Frank-Kamenetskaya et al. | Monitoring of the state of stone and bronze monuments | |
Hayes et al. | Lithic Exploitation and Usewear Analysis | |
Sardini et al. | An image analysis contribution to the study of transport properties of low-permeability crystalline rocks |
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 |