卷积神经网络在地面微地震多道P波极性分类中的应用

• 作者: 田宵 汪明军 张伟
• 来源期刊: 中国地震
• 关键词: 地面微地震 卷积神经网络 P波极性
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 微震研究专辑论文
• 页码范围: 309-321
• 页数: 13页
• 分类号: P315
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4683.2021.02.006

摘要

微地震监测技术是监测水力压裂过程、评价压裂效果的重要手段.对于地面监测,PP波极性能够直接、快速地反演震源机制,同时极性校正能够提高绕射叠加定位方法的成像精度.因此,准确而迅速地确定P波极性对地面微地震实时监测具有重要意义.卷积神经网络是一种深度学习算法,具有强大的特征学习与分类能力,可用来确定微地震事件的P波极性.地面监测多采用星型、网格型等规则观测系统,本文使用目标道及其相邻检波器记录作为输入样本,构建基于卷积神经网络的多道P波极性分类网络模型.实际数据应用结果表明,相比于单道记录的网络模型,多道的网络模型能够将目标道与相邻道相结合来预测目标道的极性,提高规则观测系统下地面微地震P波极性分类的准确率.