融合门控循环单元和自注意力机制的矿山微震P波到时拾取方法
焦明若1
董方杰2
罗浩2
于靖康2
马莉3
1.中国沈阳 110036 辽宁大学信息学院;中国沈阳 110034 辽宁省地震局2.中国沈阳 110036 辽宁大学信息学院3.中国沈阳 110034 辽宁省地震局
摘要：基于深度学习方法提出了一种矿山微震P波到时拾取方法.首先构建CNNDet模型进行事件监测和到时预拾取;其次引入自注意力机制,融合门控循环单元(GRU)构建CGANet模型,对检测到的事件进行P波到时精确拾取;最后将该方法与长短时窗能量比法、DPick和PpkNet方法进行对比,结果显示测试集的事件检测精确率和召回率都达到98％以上,P波到时估计的误差均值和标准差分别为0.014 s和0.051 s,说明本文方法在精确率、召回率及标准差等方面均明显优于上述三种方法.此外,对不同信噪比样本进行测试的结果也证明,本文方法在低信噪比下依然能保持较高的精度.在实际震源定位中,该方法也展现出了更优异的性能.
关键词：矿山微震P波到时拾取门控循环单元自注意力机制
分类号：P315.63(大地（岩石界）物理学（固体地球物理学）)TD76(矿山安全与劳动保护)
资助基金：辽宁省科技厅科学技术计划项目(2019010223-JH8/103)辽宁省教育厅科学技术研究项目(LJKMZ20220450)国家自然科学基金(51704138)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 234-245 )
英文信息