[发明专利]一种基于深度学习的地下浅层震源定位方法

说明书

本发明涉及一种基于深度学习的地下浅层震源定位方法，包括以下步骤：布设分布式震动传感器阵列、生成学习样本、设置三维能量场图像样本对应的震源弹位置作为训练标签、构建深度学习网络框架、训练网络、对实际爆炸震源进行定位。本发明减少了传统浅层震源定位过程中定位参数提取、定位模型建模和定位模型解算等中间步骤，极大地提高了震源定位效率，消除了定位盲区，降低了震源定位精度受监测区域信道重建精度的依赖，为地下浅层震源定位提供一种新的震源定位方法。

技术领域

本发明属于爆破震动测试技术领域，具体涉及一种基于深度学习的地下浅层震源定位方法，适用于未知地质结构条件下的定点群打击定位。

背景技术

地下浅层震源是指地下震源深度不超过100m的空间内发生的事件，其被动定位是解决军事领域中高价值弹药地下炸点定位以及侵彻轨迹测量等主要途径；是实现民用领域中地质监测，工程爆破、文物防盗监测、煤矿勘察、地表结构组成成分分析、地质结构探索、地下稀有矿物质勘探、石油探测挖掘等重要手段。

与深层地震、煤矿深层开采、石油勘探等大区域、大当量、大深度、长时间震源定位相比较，该类震源定位具有以下特点：(1)地下震源深度较浅，一般不超过100m，浅层地质结构复杂且未知，无法借鉴深层地壳结构模型建立浅层速度场模型；(2)震动波波群混叠复杂，爆炸近场土壤本构特性呈弹塑性，弹性波受地面反射、折射影响较大，震相特征不明显；(3)地下介质复杂，传输信道更加复杂且不均匀，往往包括浮土、岩石、沙石、密实土壤等多种类型；(4)定位精度要求较高，在100m的散布区域内立体定位误差小于1m，不同于大深度地震定位中百米定位误差要求，属于小区域高精度定位问题。

目前，在地下空间定位中，主要针对深层地震定位，没有直接用于所述浅层小区域定位方法，而深层地震定位方法无法直接应用到浅层定位中，主要存在如下问题：

(1)基于Geiger的走时定位方法，该方法重点解决在地质均匀且速度已知条件下的起爆点定位问题，但对于层状、洼陷等复杂地质条件，速度参量仅能设定为平均值，定位误差较大；

(2)基于偏振角度定位方法，该方法采用少量观测节点即可实现起爆点快速定位，但在浅层复杂地质条件下，特别存在强反射界面时，表层入射角度无法表征震源和传感器接收点之间的真实射线路径，因此存在定位假象；

(3)多震源与速度结构联合迭代反演定位(SSH)模型，该方法适用于未知地质结构条件下的定点群打击定位问题，其中起爆点定位精度受速度场建模精度、震源激励次数的影响。由于单次起爆点定位，炮射投影数据有限，速度矩阵稀疏，虽然加入正则化等约束手段，但定位精度仍难以保证。

发明内容

本发明提供一种基于深度学习的地下浅层震源定位方法，要解决的技术问题是：浅层小区域目标无法高精度定位的问题。

为了解决以上技术问题，本发明提供了一种基于深度学习的地下浅层震源定位方法，其特征在于，具体包括以下步骤：

S1.布设分布式震动传感器阵列：在监测区域随机预设坐标原点，将n个传感器以一定角度为旋转间隔，以一定长度为增长半径，将震动传感器布设于地表，形成螺旋式阵列，并获取各传感器坐标信息(x_j,y_j,z_j)(j＝1,2,3,...,n)；

S2.生成学习样本：对监测区域进行网格划分，在监测区域预设震源弹，得到一个震源弹爆炸后，所有采样点所对应的三维能量场图像序列，将其作为学习样本；

S3.将三维能量场图像样本对应的震源弹位置作为训练标签；

S4.构建深度学习网络框架；

S5.将S2生成的样本与S3确定的相应震源位置配对为数据集，训练网络，得到训练好的深度学习网络；