[發明專利]一種人工智能實時微地震監測節點

有效

• 申請號: 202011424729.3
• 申請日: 2020-12-09
• 公開（公告）號: CN112731518B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 王一博;薛清峰;鄭憶康;姚藝
• 申請（專利權）人: 中國科學院地質與地球物理研究所
• 主分類號: G01V1/18
• 分類號: G01V1/18
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 劉冀

1.一種人工智能實時微地震監測節點，其特征在于，包括：處理器以及與所述處理器連接的數據采集模塊、人工智能計算模塊和通信模塊，人工智能實時微地震監測節點可以為多個，多個人工智能實時微地震監測節點分別用于采集不同地點的有效事件數據，其中所述人工智能計算模塊設置有預先訓練的微地震數據分析模型，微地震數據分析模型是由遠程數據中心發送至該人工智能實時微地震監測節點進行部署的，針對每個人工智能實時微地震監測節點的模型分別進行遷移訓練，進而每個人工智能實時微地震監測節點可以應對不同地點的地理情況，所述微地震數據分析模型包括：輸入層、特征提取層、線性層、三層Bi-LSTM層、全連接層以及輸出層，其中所述特征提取層包括四層卷積層：第一卷積層的卷積核為(9,9)，第二卷積層的卷積核為(7,7)，第三卷積層的卷積核為(5,5)，第四卷積層的卷積核為(3,3)，并且相鄰兩層卷積層之間含1個池化核為3的池化層；

其中在滿足預設的采集條件的情況下，每個分組的人工智能實時微地震監測節點采集微地震數據，該預設條件包括首先，分組的人工智能實時微地震監測節點對狀態信息進行組內廣播，其中狀態信息用于記錄人工智能實時微地震監測節點的監測狀態，根據狀態標識，判斷所述分組內所述狀態信息是否滿足預設觸發條件，所述狀態標識為bool型，即只有True和Fasle標識，人工智能實時微地震監測節點在部署后通過電路設置一個信號最小觸發閾值，當采集的信號電壓超過最小觸發閾值后，該人工智能實時微地震監測節點的狀態標識為True，當狀態標識為True的情況下，判斷分組內狀態信息滿足預設觸發條件，并同時馬上更新組廣播對應字段，然后，計算分組內狀態信息滿足預設觸發條件的人工智能實時微地震監測節點的設備數量，最終根據設備數量以及預設的第一閾值，判斷分組的人工智能實時微地震監測節點是否滿足預設的采集條件；

基于處理器結合底層管理API接口實現對AI芯片和通信模塊進行控制，處理器設置有微地震數據的觸發閾值，并且在判斷微地震數據達到觸發閾值的情況下，開啟人工智能計算模塊，嵌入式的AI處理芯片采用基于TensorFlow Lite的簡化深度學習訓練框架訓練該微地震數據分析模型，其中處理器設置最低觸發電源閾值，在判斷微地震數據達到觸發閾值的情況下，處理器觸發后激活AI芯片進行計算，AI處理芯片計算得到有效事件數據反饋給處理器，然后處理器在通信傳輸芯片組向遠程數據中心發送有效事件數據；所述處理器配置用于執行以下操作：

控制所述數據采集設備采集微地震數據；

開啟所述人工智能計算模塊，通過所述微地震數據分析模型對采集的所述微地震數據進行計算，確定與微地震相關的有效事件數據；其中

通過所述微地震數據分析模型對采集的所述微地震數據進行計算，確定與所述微地震相關的微地震發生概率；和/或通過所述微地震數據分析模型對采集的所述微地震數據進行計算，確定所述微地震的初至波位置的概率；以及通過所述通信模塊將所述有效事件數據發送至遠程數據中心。

2.根據權利要求1所述的人工智能實時微地震監測節點，其特征在于，所述處理器為基于STM32的微控制器單元。

3.根據權利要求2所述的人工智能實時微地震監測節點，其特征在于，還包括：定位模塊，所述定位模塊為GPS模塊或者北斗模塊，并且在判斷所述微地震數據達到所述觸發閾值的情況下，開啟所述定位模塊。

4.根據權利要求1所述的人工智能實時微地震監測節點，其特征在于，所述人工智能計算模塊基于RISC-V架構。

5.根據權利要求1所述的人工智能實時微地震監測節點，其特征在于，所述通信模塊為以下任意一項：4G模塊、5G模塊、NB-IOT模塊。

6.根據權利要求1所述的人工智能實時微地震監測節點，其特征在于，所述人工智能實時微地震監測節點與基站連接，并且通過所述通信模塊將所述有效事件數據發送至遠程數據中心，包括：通過所述通信模塊將所述有效事件數據發送至所述基站，通過所述基站將所述有效事件數據發送至所述遠程數據中心。