[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

本發明一種基于時空注意力機制的地震震相到時拾取方法，屬于地震信號處理和人工智能技術領域；所要解決的技術問題為：提供一種基于時空注意力機制的地震震相到時拾取方法的改進；解決上述技術問題采用的技術方案為：獲取地震信號數據，并對數據的P波、S波到時進行標注；將地震信號數據進行預處理，預處理包括數據增強、數據集分割與譜圖映射；使用U?Net模型為基礎構建序列處理網絡；將時空注意力機制融入拾取模型中；使用深層編碼特征融合機制，補充缺失特征信息；根據損失值與各評估指標對模型參數進行調整，完成模型的最終構建；將待識別地震信號數據輸入微震震相拾取模型，得到地震震相到時拾取標注結果；本發明應用于地震震相到時拾取。

技術領域

本發明一種基于時空注意力機制的地震震相到時拾取方法，屬于地震信號處理和人工智能技術領域。

背景技術

地震誘發機制是地震學研究的關鍵內容，其可為地震災害預警研究建立理論基礎。大地震之后往往伴隨著頻度較高的余震，這些余震震級大多較為微弱，容易漏檢，如果能夠準確地識別這些微弱的地震信號，自動的拾取其震相信息，將對完善地震目錄、地震預警、全面分析地震活動性以及監測地震破裂區域的震后形變等具有重要意義，但微震震相特征微弱，混合于環境噪聲中極難分辨，對其震相的拾取一直是地震災害預警研究的熱點與難點問題。

國內外對于地震震相的識別發展了如STA/LTA方法、AIC方法、模板匹配法等多種傳統算法，這些方法對地震震相拾取技術的研究及其重要，但由于地震信號數據信噪比低、特征弱且標注數據少，隨著研究的不斷深入，傳統算法計算量過大、需人工設定閾值、依賴信噪比及檢測區間等缺陷逐漸顯現，無法滿足實際需求。

隨著地震儀在全球范圍的大規模部署，人類已經進入地震大數據時代。如何處理地震網絡每天收集的海量數據，特別是從質量參差不齊的連續波形記錄中識別地震信號是非常棘手的問題。人工智能領域的研究工作近年來取得飛速的發展，深度學習作為人工智能技術的重要分支，具有擬合效果更好、可表征參數特征更多及無需人工選取特征參數等優點，在眾多領域逐漸超越傳統方法，得到極為廣泛的研究和應用。深度學習在地震信號拾取領域也得到了一定的應用，這些地震事件檢測算法在強震檢測上都具有良好的性能，但其對微震震相的拾取效果不夠理想。

鑒于深度卷積神經網絡在語義分割、邊緣檢測和目標識別方面取得了突破性成果，因此，本發明提出采用深度學習方法，結合注意力理念，構建震相智能拾取模型，實現地震P波到時的快速識別，同時獲得更高的識別率。這對于地震事件識別、地震震源快速定位、地震預警研究以及地殼活動研究具有重要現實意義。

發明內容

本發明為了克服現有技術中存在的不足，所要解決的技術問題為：提供一種基于時空注意力機制的地震震相到時拾取方法結構的改進。

為了解決上述技術問題，本發明采用的技術方案為：一種基于時空注意力機制的地震震相到時拾取方法，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；