[發明專利]聯合U-Net++和UDA的微地震有效信號初至拾取方法及裝置

在審

• 申請號: 202010051627.5
• 申請日: 2020-01-17
• 公開（公告）號: CN111507155A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 盛冠群;郭小龍
• 申請（專利權）人: 長江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G01V1/28
• 代理公司: 武漢河山金堂專利事務所(普通合伙) 42212
• 代理人: 胡清堂;陳懿

本發明公開一種聯合U?Net++和UDA的微地震有效信號初至拾取方法及裝置，所述方法包括：獲取原始微地震信號數據并進行預處理，得到微地震信號數據集；根據微地震信號數據集的部分數據制作有標簽數據集，其余為無標簽數據集；將有標簽數據集和無標簽數據集一并投入到U?Net++網絡中分別進行基于高斯噪音的有監督訓練和基于數據增強的無監督訓練，將預測出的有監督部分的損失值和無監督部分的損失值整合為最終損失值，將所述最終損失值作為衡量整個網絡模型質量的標準進行半監督模型訓練；通過訓練好的網絡模型進行微地震有效信號初至拾取。本發明可減少人工成本，提高集成預測的準確度。

技術領域

本發明屬于微地震信號檢測領域，具體涉及一種聯合UDA和U-Net++網 絡實現微地震有效信號的初至拾取的方法及裝置。

背景技術

微地震是一種小型地震，在地下礦井深部開采過程中常常是不可避免的。 微地震監測技術作為頁巖氣開采的重要途徑，在勘探過程中發揮著越來越重要 的作用，若能實現微地震有效信號的自動識別和初至的自動拾取，將對海量微 地震數據的自動處理有重要意義。

通過卷積神經網絡(Convolutional Neural Network，CNN)進行微地震有 效信號的初至拾取已有大量研究。Nested-U-Net(UNet++)網絡在U-Net網絡的基 礎上加入跳層結構，可以有效提取不同維度特征，但由于UNet++網絡本身層數 較淺，在識別精度上還有待提高。傳統的微地震有效信號檢測需要大量的人工 標記樣本，耗時長并且準確率低。因此，如何實現半監督條件下對連續輸入信 號的準確檢測就顯得至關重要，本發明重點研究如何在強噪音背景下快速準確 的實現對小樣本的微地震有效信號的初至拾取。

發明內容

本發明在U-Net++的基礎上，結合無監督數據增強(Unsupervised DataAugmentation，UDA)，生成多樣且真實的噪聲數據并使模型對這些噪聲保持一 致性，這樣不僅可以對小樣本的微地震信號進行高精度的初至拾取，還能優化 損失，解決傳統微地震信號檢測需依賴大量樣本數據計算和拾取精度低的問題。

本發明第一方面，提出一種聯合U-Net++和UDA的微地震有效信號初至 拾取方法，所述方法包括：

S1、獲取原始微地震信號數據并進行預處理，得到微地震信號數據集；

S2、根據微地震信號數據集的部分數據制作有標簽數據集，其余為無標簽 數據集；

S3、將有標簽數據集和無標簽數據集一并投入到U-Net++網絡中分別進行 基于高斯噪音的有監督訓練和基于數據增強的無監督訓練，將預測出的有監督 部分的損失值和無監督部分的損失值整合為最終損失值，將所述最終損失值作 為衡量整個網絡模型質量的標準進行半監督模型訓練；

S4、通過訓練好的網絡模型進行微地震有效信號初至拾取。

優選地，所述步驟S1具體包括：

用matlab畫出原始微地震信號數據的剖面圖并標記信號的采樣點，提取出 有效信號道、剔除無效道，通過低通或高通濾波實現信號和噪音的分離；

使用S變換對微地震信號進行時頻分析，得到微地震信號數據集；所述S 變換的公式為：

其中為高斯窗函數，t代表時間，f代表頻率。

優選地，所述步驟S3中，所述基于高斯噪音的有監督訓練的過程為：

將有標簽數據集分為兩批標簽信號，一批保持不變，另一批通過添加高斯 噪音進行干擾；將兩批有標簽信號放入U-Net++網絡進行卷積、池化操作得到 端對端的輸出；

對于保持不變的數據，計算得到條件概率分布p_θ(y|x)，對于添加高斯噪音 進行干擾的數據，計算得到條件概率分布