论文部分内容阅读
在矿山开采、隧道开采、地铁修建等一系列人为开采活动中,地下岩层的错动易引发微震动事件。一直以来,对微震动事件的实时监测都是国内外的热门研究课题,其中,微震震相初至到时的拾取是监测微震事件的关键环节,是实现震源定位及震源机制解释的前提和基础。震相初至拾取的方法有很多,由于不同方法的计算过程不一样,所以其适用的环境也大不相同。目前,应用较多的有STA/LTA、AIC、自回归分析法、神经网络法等。在实际的工程应用中,微震监测系统所处环境复杂,采集到的微震信号含有大量干扰噪声,对传统方法的精确拾取造成了很大干扰。本文在研究传统震相拾取方法的基础上,提出了一种改进算法,其基本思路是:首先通过集合经验模态分解(EEMD)分解重构对信号进行降噪处理,然后用STA/LTA计算大致到时,最后用AIC求其精确到时。主要研究内容如下:(1)分析了多种传统方法的优缺点.:STA/LTA算法中参数较多,不易掌控,而且拾取的到时往往出现滞后性;在已有震源先验信息的情形下,AIC算法能够拾取到较为准确的震相初至;自回归分析法在一定条件下能取得不错的效果,但由于该方法参数较多,建模比较困难;神经网络法有较好的容错性,但是此方法要求有准确的训练样本。(2)针对低信噪比微震信号到时拾取过程中噪声干扰较大的问题,本文提出了一种新的降噪方法,将STA/LTA应用到EEMD分解重构中,确定了一种IMF分量的选取准则。(3)基于STA/LTA算法进行到时拾取时速度快但结果有误差,AIC算法拾取结果准确但算法复杂、用时较多的特征,本文将两种方法结合,提出了一种新的到时拾取算法。(4)本文通过多组实验验证了本文算法的有效性和实用性。在低信噪比环境下,本文算法拾取准确率为96.56%,AIC算法时窗选取合适情况下为94.32%,STA/LTA拾取准确率为85.34%。由实验结果可见,用本文算法拾取的到时既提高了信噪比使拾取精度得到提升,又降低了均方根误差保留了较多的有效信号。