[发明专利]利用卷积神经网络的高铁地震事件提取方法、介质及设备

说明书

本发明公开了一种利用卷积神经网络的高铁地震事件提取方法、介质及设备，按照各个检波器的统计参数对其相应原始地震记录归一化处理；根据高铁地震事件的时序长度参数设置单个样本时序长度；根据单个样本时序长度对完整地震记录分段截取，构造训练样本集和测试样本集；根据单样本自身特征构建1DCNN网络并设置相应超参数；对训练数据集的所有样本设置是否属于高铁地震事件的标签；设定网络训练参数，将训练样本集和标签送入1DCNN网络进行分类训练；将已训练网络应用于实际测试数据集的分类判别；根据实际测试数据集的预测标签和样本序号确定高铁地震事件时序范围，并完成高铁地震事件提取。

技术领域

本发明属于勘探地球物理技术领域，具体涉及一种利用卷积神经网络的高铁地震事件提取方法、介质及设备。

背景技术

针对列车运行状态和地质环境的监测研究已有较长的历史。2004年，李丽等初步提出列车振动作为震源探测地下结构的可行性。2015年，李智敏等利用动车振动监测信号的频率特征来诊断列车运行状态，从而能够区分列车的工况类型、提供列车运行状态的数据基础。2017年，徐善辉等在对京津城际铁路进行大量地震记录，其表明振动信号波形可作为轨道及高架结构异常状态的预警。2019年，刘磊等构建了以高铁地震记录对应时频谱图像作为输入的卷积神经网络模型，通过人为标记正负事件样本来训练分类器，最后将其应用于筛选大量的真实高铁地震事件记录。未来将高铁地震应用于地质环境方面的研究仍具有很大的潜力，而准确快速地获得真实的高铁地震事件记录，是后期进行地震信号分析处理的首要前提。目前已有的提取高铁地震事件记录的方法主要包含：

现有技术1：通过手动截取来获得高铁地震事件：直接对观测数据可视化来判定高铁信号，然后手动截取获得相应高铁地震事件，但无法自动提取高铁地震事件。此外，当地震记录数据量很大时，此方法需要花费过多的时间与精力，无法快速获得大量的高铁地震事件。

现有技术2：以时频谱图像为输入的卷积神经网络模型：首先人为标记高铁地震记录的正负事件样本，构建以样本的时频谱图像为输入的卷积神经网络模型，利用此模型来筛选出真实的高铁地震事件。上述方法需要得到地震记录的时频谱图像，因此在地震记录数据量过大时，其需要花费更多时间来提取大量的高铁地震事件。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种利用卷积神经网络的高铁地震事件提取方法、介质及设备，使用高铁线路隔离区外多个检波器采集到的地震数据，利用训练1D卷积神经网络模型的方法来提取大量高铁地震事件，从而为后续地质信息分析提供数据。

本发明采用以下技术方案：

利用卷积神经网络的高铁地震事件提取方法，包括以下步骤：

S1、按照各个检波器的统计参数对相应原始地震记录进行归一化处理，得到归一化的完整地震记录；

S2、根据高铁地震事件的时序长度参数设置单个样本时序长度；

S3、以步骤S2确定的单个样本时序长度对步骤S1归一化处理的完整地震记录进行分段截取，构造训练样本集和测试样本集；

S4、对步骤S3训练样本集的所有样本设置标签，得到训练样本集的标签向量；

S5、根据单样本的自身特征构建1DCNN网络并设置相应的超参数；

S6、设定训练参数，将步骤S3的训练样本集和标签向量送入步骤S5构建的1DCNN网络进行分类训练；

S7、将步骤S6已训练的网络应用于测试样本集的高铁地震事件分类判别，获得预测标签；

S8、根据步骤S7获得的预测标签和样本序号确定高铁地震事件时序范围，完成高铁地震事件提取。