微震波到时的拾取精确主要取决于信噪比、波形信号的频率范围以及到时拾取算法等因素。受微震监测环境、不连续传播介质以及背景噪音的影响,微震波形的识别和到时拾取研究更为复杂。Kenneth 等率先使用丢弃特殊数据的方法来处理数据,以提高解决方案的精度。
对微地震信号的自动拾取技术主要借鉴于天然地震中的自动拾取方法,地震信号自动拾取或震相识别方法有:能量比法、AIC 算法、神经网络法、分形分维法、极化分析法以及卡尔曼估计等方法。其中能量比法是最为快捷、最为广泛应用的一种自动拾取方法。该方法的缺陷是受短时窗的影响不能准确拾取初至,难以在高振幅噪声中分辨出地震信号。
为提高工程噪音环境中低信噪比微震信号的自动识别率及其 P 波自动拾取准确率,李贤等结合Allen 算法能快速自动拾取震动信号的优点及 Bear 算法善于拾取低信噪比震动信号 P 波初至的优势,在 Allen 算法的基础上,引入 Bear 算法的加权因子和特征函数,对 Allen 算法进行改进,提出了适用于工程尺度的微震信号及 P 波初至自动识别的 AB(Allen coupled with Bear algorithm)算法。
通过不同信号的频带能量分布差异,姜鹏等利用 S 变换(S Transform,ST)分析地下厂房岩石破裂、爆破振动信号的频率特征,通过频带能量分布比例对其进行量化研究,并作为信号特征,建立基于遗传算法优化的 BP 神经网络模型,实现信号的准确分类。Ge 等提出了一种基于事件的动态波速模型,可以通过首次到达时间选择来检测 P、S 和错误波,从而达到选取有效信号的目的。
责任编辑:李 北
发布编辑:徐青松