使用模糊的C-Means聚类来确定微震记录的首次到来
Xiangyun Zhao1, Haihang Chen2, Binhong Li1
1Key Laboratory of Earth Exploration and Information Technology, Ministry of Education, Chengdu University of Technology, Chengdu 610059, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
这项研究引入了一个模糊的c-means集群方法,用于微地震监测中准确的首次到达采集. 该方法有效地将有用的地震波形与噪声区分开来,提高了采集精度和可靠性.
科学领域:
- 地质物理学 地质物理学
- 地震学 地震学
- 信号处理 信号处理
背景情况:
- 精确的首次到达采摘对于微地震监测至关重要.
- 现有的方法在杂的环境中面临挑战,需要标记数据.
研究的目的:
- 开发一种准确和自动的方法,以便在首次到达时采集微地震数据.
- 改进对地震数据的分类,将其分为有用的波形和噪声段.
主要方法:
- 使用了模糊的c-means集群 (FCC) 算法.
- 采用极化线性,方差和能量作为FCC的输入特征.
- 根据FCC的会员级别确定了有用的波形部分.
主要成果:
- 在合成数据上达到94.3%的准确性,误差为<2ms,SNR为-5dB.
- 性能优于剩余的U-Net,AIC和S-LTA比率方法.
- 在没有标记数据的真实数据集上达到95%以上的精度.
结论:
- 拟议的FCC方法提高了微地震监测中的首次到达采集精度.
- 极化线性是提高FCC分类性能的一个关键特征.
- 该方法为地震数据分析提供了一个强大的,自动的,无标签的解决方案.


