[發(fā)明專利]微地震事件自動識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202011169836.6
• 申請日: 2020-10-28
• 公開（公告）號: CN112464721A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計）人: 劉磊;宋維琪;巫芙蓉;秦俐;曹立斌;劉麗婷
• 申請（專利權(quán)）人: 中國石油天然氣集團有限公司;中國石油大學(xué)(華東);中國石油集團東方地球物理勘探有限責(zé)任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G01V1/28;G01V1/36
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 薛平;周曉飛

1.一種微地震事件自動識別方法，其特征在于，包括：

構(gòu)建不同信噪比下的微地震事件樣本和非微地震事件樣本；

按照預(yù)先設(shè)定的標簽對所述微地震事件樣本和非微地震事件樣本添加標簽；

采用添加標簽后的微地震事件樣本和非微地震事件樣本，訓(xùn)練CNN卷積神經(jīng)網(wǎng)絡(luò)模型，獲得訓(xùn)練好的CNN卷積神經(jīng)網(wǎng)絡(luò)模型，所述CNN卷積神經(jīng)網(wǎng)絡(luò)模型包括6層卷積核和2層全連接層，其中每層卷積核中至少包括一個批量標準化BN層；

將實際三分量微地震數(shù)據(jù)進行預(yù)處理后，輸入至訓(xùn)練好的CNN卷積神經(jīng)網(wǎng)絡(luò)模型，獲得微地震事件識別結(jié)果。

2.如權(quán)利要求1所述的微地震事件自動識別方法，其特征在于，所述CNN卷積神經(jīng)網(wǎng)絡(luò)模型中6層卷積核包括第1卷積層、第2卷積層、第3卷積層、第4卷積層、第5卷積層、第6卷積層，其中，第1卷積層包括一個3×3大小的64深度卷積核、一個BN層、一個Relu激活函數(shù)、一個2×2大小的池化層，第1卷積層輸出數(shù)量為11×1000×64的特征圖；第2卷積層包括一個3×3的大小64深度卷積核、一個BN層、一個Relu激活函數(shù)、一個3×3大小的池化層，第2卷積層輸出數(shù)量為6×500×64的特征圖；第3卷積層包括一個3×3大小的64深度卷積核、一個BN層、一個Relu激活函數(shù)、一個2×2大小的池化層，第3卷積層輸出數(shù)量為3×250×64的特征圖；第4卷積層包括一個3×3大小的64深度卷積核、一個BN層、一個Relu激活函數(shù)、一個2×2大小的池化層，第4卷積層輸出數(shù)量為1×125×64的特征圖；第5卷積層包括一個1×1大小的32深度卷積核、一個BN層、一個Relu激活函數(shù)、一個1×1大小的池化層，第5卷積層輸出數(shù)量為1×63×32的特征圖；第6卷積層包括一個1×1大小的32深度卷積核、一個BN層、一個Relu激活函數(shù)、一個1×1大小的池化層，第6卷積層輸出數(shù)量為1×32×32的特征圖。

3.如權(quán)利要求1所述的微地震事件自動識別方法，其特征在于，所述CNN卷積神經(jīng)網(wǎng)絡(luò)模型中2層全連接層包括第1全連接層和第2全連接層，其中，第1全連接層將1024個特征圖的特征向量全連接到100個特征值，第2全連接層將100個特征值全連接到預(yù)先設(shè)定的標簽上。

4.如權(quán)利要求1所述的微地震事件自動識別方法，其特征在于，所述預(yù)先設(shè)定的標簽至少包括背景噪音標簽、單震微地震相事件標簽、雙震相微地震事件標簽。

5.如權(quán)利要求1所述的微地震事件自動識別方法，其特征在于，采用添加標簽后的微地震事件樣本和非微地震事件樣本，訓(xùn)練CNN卷積神經(jīng)網(wǎng)絡(luò)模型，包括：

將添加標簽后的微地震事件樣本和非微地震事件樣本分為訓(xùn)練集數(shù)據(jù)和測試集數(shù)據(jù)；

采用訓(xùn)練集數(shù)據(jù)迭代訓(xùn)練CNN卷積神經(jīng)網(wǎng)絡(luò)模型，獲得損失函數(shù)最小時的CNN卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；采用測試集測試損失函數(shù)最小時的CNN卷積神經(jīng)網(wǎng)絡(luò)模型，計算準確率，獲得準確率最大時的CNN卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。

6.如權(quán)利要求1所述的微地震事件自動識別方法，其特征在于，將實際三分量微地震數(shù)據(jù)進行預(yù)處理，包括：

將實際三分量微地震數(shù)據(jù)進行三分量疊加處理。

7.一種微地震事件自動識別裝置，其特征在于，包括：

樣本構(gòu)建模塊，用于構(gòu)建不同信噪比下的微地震事件樣本和非微地震事件樣本；

添加標簽?zāi)K，用于按照預(yù)先設(shè)定的標簽對所述微地震事件樣本和非微地震事件樣本添加標簽；

訓(xùn)練模塊，用于采用添加標簽后的微地震事件樣本和非微地震事件樣本，訓(xùn)練CNN卷積神經(jīng)網(wǎng)絡(luò)模型，獲得訓(xùn)練好的CNN卷積神經(jīng)網(wǎng)絡(luò)模型，所述CNN卷積神經(jīng)網(wǎng)絡(luò)模型包括6層卷積核和2層全連接層，其中每層卷積核中至少包括一個批量標準化BN層；

識別模塊，用于將實際三分量微地震數(shù)據(jù)進行預(yù)處理后，輸入至訓(xùn)練好的CNN卷積神經(jīng)網(wǎng)絡(luò)模型，獲得微地震事件識別結(jié)果。