论文部分内容阅读
地下浅层爆炸震源定位作为地震定位的特殊应用场景,对地下破坏评价、毁伤效能评估和深侵彻武器测试分析的研究具有关键的作用。但是在实际浅层爆炸定位过程中,由于爆炸波激发过程的高脉冲特性和爆炸波传播过程的各向异性,造成爆炸波到时信息拾取困难以及观测数据的非线性特性。传统基于波形信息类定位方法虽然也可对信息缺失或具有多介质速度场的观测数据进行定位,但是在介质速度场参数未知的情况下对浅层爆炸震源进行快速高精度的定位仍是进一步需要解决的问题。机器学习方法因其以数据驱动的方式对物理模型不明确下的非线性问题良好的拟合特性,在物理场信息反演领域表现出巨大的潜力。因此,本文基于机器学习和多参数联合反演理论,开展浅层爆炸震源定位方法研究。本文首先在充分调研国内外关于爆炸监测定位技术、地下速度场反演理论研究现状的基础上,根据近场浅层爆炸的实际特点和环境要求,对使用深度强化学习进行震源定位进行了可行性分析。针对原始采集数据空间维度不匹配、震源特征不明显、无法达到深度强化学习方法输入数据标准的问题,采用三维扫描震源成像方法,对原始一维震源数据进行三维能量域映射,克服了深度强化学习对输入数据的震源特征显化问题。同时提出了快速三维扫描震源成像方法,通过对现有震源扫描算法的原理推导和算法改进,优化了扫描算法的扫描逻辑,针对近场检波器面阵的排布特点引入关键区域亮度关注因子,在保证了扫描数据完备性的基础上大幅提升了扫描算法效率,为震源扫描算法在三维空间的扩展提供了可能,为深度强化学习方法提供稳定的训练数据支撑。在完成对数据流优化的基础上,针对爆炸震源迭代过程中的非线性问题,提出了基于深度强化学习的浅层震源扫描定位方法。该方法遵循逐渐逼近的策略,对猜测定位点与三维震源成像数据根据特征映射进行关联,把震源探测的过程看作马尔科夫过程,通过深度强化学习的方法进行震源中心搜索策略的学习。该方法利用深度强化学习对非线性问题进行特性拟合,提高了爆炸震源定位的精度和效率。为了进一步深化强化学习在浅层爆炸震源定位方面的可解释性和定位精度,针对地下介质速度模型在数据反演过程中对能量成像造成的影响,提出基于强化学习的震源位置与介质速度模型多参数联合重建方法,该方法在多参数联合反演过程中引入三维震源成像过程,加强正演过程中能量域信息和介质速度模型的对应关系,并在反演过程中通过已知的震源信息和介质速度场模型对波形的能量场进行反演。在此基础上,把速度模型的更新过程看作马尔科夫过程,建立正演模型与速度模型的对应关系,通过深度强化学习方法逐步训练优化速度模型,实现在介质参数未知情况下的高分辨率介质速度场重建和震源定位。通过小场地(100m*100m*50m)静态爆炸试验结果表明,论文中基于深度强化学习浅层爆炸震源扫描定位方法在近场爆炸震源定位中提高了定位精度(<1m)。基于深度强化学习的多参数联合反演震源定位方法在获得精确定位的基础上,对区域范围内完成精度为0.5m的速度场重建,进一步提高了使用该方法进行震源定位的可解释性和定位精度。