通过STA/LTA引导的轻量级U-Net进行双阶段微震P波到达采集

科学领域:

• 地质物理学 地质物理学
• 地震学 地震学
• 机器学习 机器学习

背景情况:

• 精确的P波到达时间选择对于分析采矿诱导的地震事件至关重要.
• 传统的STA/LTA探测器对噪声敏感,而深度学习方法可能是计算密集的.
• 现有的方法在杂的微地震数据中努力平衡效率和准确性.

研究的目的:

• 开发一个强大而高效的两阶段P波采集框架,用于微地震事件监测.
• 为了提高地震到达时间检测的准确性和实时性能.
• 解决传统STA/LTA和深度学习方法的局限性.

主要方法:

• 一个两阶段的框架,集成STA/LTA进行初步检测和轻量级的U-Net进行改进.
• STA/LTA对候选P波到达窗口的连续波形进行扫描.
• 轻量级U-Net执行样本级回归,以精确估计到达时间.

主要成果:

• 拟议的方法在±0.01s宽容范围内实现了63.21%的命中率.
• 与CNN (25.42%) 和STA/LTA (40.47%) 方法相比,显示出显著的改进.
• 将平均绝对误差降低到0.0130秒,具有强大的概括性和噪声稳定性.

结论:

• 粗细的框架有效地平衡了计算效率和P波采集精度.
• 综合方法显示了微地震监测实时工业应用的巨大潜力.
• 该方法提供了一个强大的解决方案,用于在具有挑战性的环境中准确地分析地震事件.