[發明專利]一種基于時空注意力機制的地震震相到時拾取方法

有效

• 申請號: 202111123852.6
• 申請日: 2021-09-24
• 公開（公告）號: CN113848587B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 李鋼;張玲;李宇;張海軒;賀藝斌;季倪宏
• 申請（專利權）人: 太原理工大學
• 主分類號: G01V1/30
• 分類號: G01V1/30
• 代理公司: 太原高欣科創專利代理事務所(普通合伙) 14109
• 代理人: 冷錦超;鄧東東

1.一種基于時空注意力機制的地震震相到時拾取方法，其特征在于：包括如下步驟：

步驟S1：構建數據集：對地震信號連續波形數據的P波和S波到時進行標注，得到地震信號數據集；

步驟S2：對地震信號的到時標注數據進行預處理，所述預處理包括數據分割、數據濾波與數據增強處理；

步驟S3：按照預設比例將地震信號數據集分為訓練集、驗證集與測試集；

步驟S4：構建U-Net神經網絡，代入訓練集與驗證集進行模型訓練與驗證，得到訓練好的較優模型；

步驟S5：將時空注意力機制引入較優模型的特征提取過程中，完成注意力機制的融合；

步驟S6：使用深層編碼特征融合機制，對編解碼特征進行融合，完成融合U-Net神經網絡模型的構建；

步驟S7：利用測試集對融合模型進行評估，結合評估指標對模型結構及參數進行調整，得到通過測試的微震震相拾取模型；

步驟S8：將待識別地震信號數據輸入步驟S7的微震震相拾取模型，得到地震震相到時拾取標注結果。

2.根據權利要求1所述的一種基于時空注意力機制的地震震相到時拾取方法，其特征在于：所述步驟S2中的數據預處理的數據分割具體步驟為：將地震三分量連續原始波形分割為時間窗口長度設定的片段；

所述步驟S2中的數據預處理的數據濾波具體步驟為：對波形數據進行帶通濾波處理；

所述步驟S2中的數據預處理的數據增強具體步驟為：對波形數據進行平移與加噪聲。

3.根據權利要求1所述的一種基于時空注意力機制的地震震相到時拾取方法，其特征在于：所述步驟S6中的融合U-Net神經網絡模型包括編碼器和解碼器，所述編碼器包括初始卷積模塊、多模態特征提取模塊、多尺度殘差模塊與多尺度特征提取模塊；

所述解碼器包括3個上采樣模塊、1個注意力模塊和1個時間步全連接模塊，按照其在網絡中的分布順序分別為：上采樣A模塊、時空注意力模塊、上采樣B模塊、上采樣C模塊、時間步全連接模塊。

4.根據權利要求3所述的一種基于時空注意力機制的地震震相到時拾取方法，其特征在于：所述初始卷積模塊包含3層卷積，卷積層的卷積核大小均為3，其中首次卷積步長為2，之后兩次卷積步長為1，該模塊用于對輸入數據進行初步特征提取；

所述多模態特征提取模塊對輸入特征分別進行池化與卷積處理，對輸入的特征分別進行運算尺度為3、步長為2的最大池化與卷積，而后將池化與卷積得到的特征以Concate方式進行結合輸出；

所述多尺度殘差模塊使用融合Inception結構的殘差網絡對特征進行進一步的多尺度提取；

所述多尺度特征提取模并行使用了3種特征提取方式，分別為尺度為3的最大池化、尺度為3的卷積、尺度為3的串行卷積，該模塊最后對三種方式提取到的所有特征進行融合輸出。

5.根據權利要求3所述的一種基于時空注意力機制的地震震相到時拾取方法，其特征在于：所述上采樣模塊包含卷積層與反卷積層，三個上采樣模塊卷積層輸出的通道數分別為300、200、128，卷積核大小與卷積步長均為1，卷積完成之后進行批量歸一化，使用ReLU函數進行激活，最后對所得特征序列進行尺度為2的反卷積，將每個時間步映射為2個時間步，該模塊可降低特征序列通道數，并將特征序列逐步還原與輸入數據一致的長度。

6.根據權利要求3所述的一種基于時空注意力機制的地震震相到時拾取方法，其特征在于：所述時空注意力模塊通過先分別計算數據通道注意力權重與時間步注意力權重，之后對二者進行融合，最后使用融合權重對輸入特征進行權重分類；

所述通道注意力權重的計算分為激活、擠壓與還原三步，定義輸入數據的維度為t*d，其中t為特征序列長度，d為特征序列通道數，具體計算步驟如下；

激活：激活表示以通道為單位，對其所有時間步使用Softmax函數進行激活，得到維度為t*d的特征序列；

擠壓：數據激活完成后，對每一通道的所有時間步以全局平均池化的方式進行擠壓，得到維度為d*1的通道統計特征；

還原：將通道統計特征還原為與輸入數據維度一致的通道注意力權重矩陣，其大小為t*d。