导读:本文包含了波初至论文开题报告文献综述及选题提纲参考文献,主要关键词:人工智能,机器学习,深度学习,小波变换
波初至论文文献综述
蔡振宇,盖增喜[1](2019)在《人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例》一文中研究指出为了准确而迅速地拾取大量地震事件的P波初至,将深度学习方法引入微地震P波初至到时拾取研究中,对卷积神经网络的结构进行改造,以便适应地震波形数据的特点和P波初至拾取的要求。该算法只需要输入10s窗口的叁分量地震波形数据,就可以自动地判定P波初至时刻,无需扫描连续波形,运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时,将得到的模型对测试集中1867条数据的计算结果与人工拾取结果对比,误差小于0.5 s者占比达到98.9%。在低信噪比条件下,该方法仍能保持较好的拾取能力。(本文来源于《北京大学学报(自然科学版)》期刊2019年03期)
刘传义,毛玉蓉[2](2018)在《微地震P波初至拾取的方法》一文中研究指出微地震监测技术是一种能够进行实时动态监测的地球物理学新技术。本文主要介绍了微地震P波初至自动拾取的基本原理和应用效果,特别对一种Allen算法和Bear算法结合的AB算法进行了详细研究并通过实验进行验证。使用AB算法实现了对微震事件的自动拾取,并对拾取效果进行分析。(本文来源于《教育教学论坛》期刊2018年50期)
朱权洁,姜福兴,魏全德,王博,刘金海[3](2018)在《煤层水力压裂微震信号P波初至的自动拾取方法》一文中研究指出水力压裂技术是矿山领域防冲、消突以及瓦斯抽采等的绿色技术,煤层水力压裂过程的微震监测可实现对压裂裂缝追踪和效果评价。为了实现对煤层水力压裂微震信号P波初至到时的精确拾取,针对水力压裂微震信号的频域特性,提出一种基于改进小波包阈值去噪(MWPT)的和改进AIC法(IAIC)的初至到时精确拾取方法。该方法首先提出对原有WPT去噪模型进行改造,建立基于多去噪规则的多阈值去噪方法;然后对原AIC算法进行改进,提出构建联合快速搜索和精确拾取两大模块的IAIC快速、精确拾取算法。以典型煤层压裂微震数据为例,以人工拾取结果为参照,利用IAIC,ER,MER,WFM以及PAI-S/K五种算法对该数据进行处理,结果表明:MWPT算法适用于背景干扰少、频率范围集中的煤层水力压裂信号,信噪比提升至12.67 d B,信号能量特征保留高达97.15%;在到时拾取方面,除PAI-S/K外其余4种算法在去噪后的到时拾取精度均得到有效提高,其中尤以IAIC法最为明显,到时平均误差由34.17 ms锐减至7.08 ms;ER,MER,WFM算法对波形的起伏较为敏感,但由于时窗因素影响,其到时往往滞后于手动拾取值。总而言之,IAIC法对去噪结果更为敏感,在12通道波形的拾取精度(约7.08 ms)和速度(约0.124 s)远优于人工拾取和其他4类方法,误差分布方面也较理想(-10~10 ms误差范围内可达62.5%,-20~20 ms范围高达100%)。所提出方法一定程度上提升了煤层水力压裂微震信号P波初至的拾取效率和精度,可为后续的微震自动、高精定位计算提供借鉴。(本文来源于《岩石力学与工程学报》期刊2018年10期)
王俊,杨驰,詹小艳,朱峰,张金川[4](2018)在《P波初至到时自动拾取技术研究》一文中研究指出基于粘滞性单自由度振动器响应下的能量转换理论,提出利用阻尼能量作为目标函数的P波震相到时拾取方法——SDOF Picker算法。使用该方法对江苏及邻区2010—2016年实际记录的9 607组P波初至进行到时自动拾取测试,以地震编目中人工拾取到时为基准,与利用AIC算法自动抬取的结果进行了系统性对比分析,结果显示:SDOF Picker算法和AIC算法自动拾取P波初至的准确率分别为97.1%、91.8%,中值偏差分别为(0.02±0.61)s、(0.05±0.77)s,方差分别为0.37 s2、0.60 s2,这表明SDOF Picker算法的在准确率和拾取精度方面均优于AIC算法。(本文来源于《地震研究》期刊2018年01期)
郝晓菡,夏江海[5](2017)在《利用勒夫波频散曲线和SH波初至旅行时联合反演获取浅地表S波速度》一文中研究指出层析成像方法和面波多道分析方法都可以用来获取浅地表横波速度,目前被广泛应用于浅地表地球物理。由于勒夫波是由SH波相互干涉而形成,它与SH波具有相似的粒子振动情况,与P波的速度无关。因此相对瑞雷波而言,勒夫波频散曲线反演参数更少,反演系统更稳定。而SH初至波旅行时反演可以获得比勒夫波频散曲线反演更深的横波速度。因此,本文提出了一种联合反演方法,利用同一(本文来源于《2017中国地球科学联合学术年会论文集(叁十一)——专题59:环境地球物理技术应用与研究进展、专题60:浅地表地球物理进展》期刊2017-10-15)
李贤,王文杰,陈炳瑞[6](2017)在《工程尺度下微震信号及P波初至自动识别AB算法》一文中研究指出为提高工程噪音环境中低信噪比微震信号的自动识别率及其P波自动拾取准确率,结合Allen算法能快速自动拾取震动信号的优点及Bear算法善于拾取低信噪比震动信号P波初至的优势,在Allen算法的基础上,引入Bear算法的加权因子和特征函数,对Allen算法进行改进,提出适用于工程尺度的微震信号及P波初至自动识别的AB(Allen coupled with Bear algorithm)算法。分析AB算法对信号振幅或频率变化的敏感性以及拾取效果,结果表明:(1)AB算法能准确识别微震信号也能同时准确自动拾取信号的P波初至;(2)AB算法的加权因子K、特征函数CF,ε值对频率和振幅变化的敏感性高于Allen算法;(3)AB算法对振幅变化比对频率变化敏感;(4)工程尺度下AB算法微震信号的拾取率高于Allen算法,且P波自动拾取准确率也高于Allen算法。将AB算法用于分析锦屏深部地下实验室实测微震信号:对于弱信号,基于AB算法拾取结果进行微震源定位,定位结果具有更高的可靠性与稳定性;AB算法是一种行之有效,计算简单,适合实时监测微震信号识别及其P波初至拾取。(本文来源于《岩石力学与工程学报》期刊2017年03期)
李贤,王文杰,陈炳瑞,徐世达[7](2016)在《基于Allen算法微震信号P波初至及其自适应识别》一文中研究指出微震监测工程尺度是指监测范围在几米到几百米之间,该尺度下将Allen算法引入到微震领域时需调整该算法参数,以达到最佳拾取效果,从而提高微震定位精度。为此,提出一种基于Allen算法的微震信号P波初至及其自适应识别的方法:首先依据信噪比建立微震信号拾取信息数据库,再结合粒子群算法和拾取评价模型自动选取Allen关键参数;并建立了拾取过程中参数动态反馈修正机制,依靠拾取实例不断扩充和更新数据库Allen算法参数。研究结果表明:该方法能针对不同信号自适应选取微震信号Allen算法最优参数,能克服人工统计的耗时低效,更为准确的从实时监测数据中拾取微震信号及其P波初至,提高微震监测定位精度和数据处理效率,为岩爆、矿震等地质灾害的及时预报提供可靠的数据支持。(本文来源于《矿业研究与开发》期刊2016年08期)
何先龙,佘天莉,高峰[8](2016)在《一种地震P波和S波初至时间自动拾取的新方法》一文中研究指出地震P波、S波初至时间的拾取是地震波分析的一项基础性工作.本文提出了一种新的地震波初至时间自动拾取的方法:首先,把地震波的叁分量时程曲线变换为一组空间向的能量变化率时程曲线;然后对能量变化率时程曲线进行STA/LTA(Short Time Average/Long Time Average,短时间的均值/长时间的均值)处理,拾取地震P波和S波的大致初至时间;最后提出采用一种二次方自回归模型对初至附近的能量变化率曲线进行二次方自回归处理,精确拾取出P波和S波的初至时间.本文采用了10组芦山地震的记录数据和150组汶川地震的记录数据对此方法的可靠性进行了检验.以人工拾取结果为参考,此方法具有很高的准确率和稳定性,同时,相比于常用的STA/LTA方法和AIC(Akaike Information Criterion,Akaike信息准则)方法,此方法在计算时间效率方面稍微逊色,但是对S波初至时间的拾取精度和可靠性更高.此方法丰富了地震P波、S波初至时间的自动拾取方法.(本文来源于《地球物理学报》期刊2016年07期)
李贤[9](2016)在《基于Allen算法工程尺度微震信号及其P波初至自适应识别算法研究》一文中研究指出微震监测工程尺度是指监测范围在几米到几百米之间,该尺度下的微震信号相对于天然地震具有:持续时间短、信噪比低,能量小,背景噪音复杂,信号特征随工程变化而变化等特点。工程尺度下弱微震信号识别与P波初至自动实时拾取,一直是微震研究与分析的难点与热点。工程尺度下微震监测的特点使得引用地震领域中成熟的信号处理方法Allen算法时,需改进Allen算法:选取适用于微震信号拾取的算法参数;提高算法特征函数对弱信号的敏感性。从而达到满足实际工程应用的拾取算法。论文主要以锦屏极深地下实验室微震监测数据为数据源,对工程尺度下的信号类型及其Allen算法特征参数统计分析。根据Allen算法长短时平均系数选取难易程度提出RMA微震信号分类方法。结合RMA信号分类,粒子群算法和拾取效果评价模型,提出基于Allen算法的工程尺度微震信号P波初至及其自适应识别模型,通过自适应拾取模型中信号样本的增加及Allen算法参数的优化,提高Allen算法处理工程尺度下微震信号与其P波初至时参数选取的自适应能力。利用Allen算法能快速有效拾取震动信号的优点及Bear算法善于拾取低信噪比震动信号P波初至的优势,在自适应Allen算法模型的基础上,引入Bear算法的加权因子,改进特征函数,提出了适用于工程尺度的微震信号及P波初至自动识别的AB(Allen coupled with Bear algorithm)算法。研究结果表明:(1)AB算法的加权因子K、特征函数CF、ε值对频率和振幅变化的敏感性高于Allen算法;(2)AB算法对振幅变化比对频率变化敏感;(3)工程尺度下AB算法微震信号的拾取率高于Alen算法,且P波自动拾取准确率也高于Allen算法。锦屏深部地下实验室微震信号分析表明:基于微震信号P波初至及其自适应识别模型的得到的AB算法参数,对AB算法拾取弱信号结果进行微震源定位,定位结果具有更高的可靠性与稳定性;该AB算法是一种行之有效,计算简单,适合工程尺度下实时监测微震信号识别及其P波初至自适应拾取。(本文来源于《武汉科技大学》期刊2016-05-01)
王国富,陈俊婷,张法全,叶金才,黄桂强[10](2015)在《小波分析与振幅比法联合拾取P波初至时间》一文中研究指出振幅比法是一种准确有效的初至拾取方法,但是振幅比法在信噪比偏低时会产生误判现象。针对这种情况,提出了小波分析与振幅比法联合拾取P波初至时间的方法。小波-振幅比法是将小波分析与振幅比法结合起来,首先对爆破信号进行小波去噪,基于小波分析的滤噪理论包括信号分解、各分解层次硬阈值去噪与信号重构叁个步骤,提高了爆破信号的信噪比,最后使用振幅比法拾取P波初至时间。以2014年7月28日11时监测到的一个矿震事件为例,用小波-振幅比联合方法准确拾取爆破信号P波初至时间,计算得出x、y、z叁个方向的定位误差小于42 m,符合空间位置定位(x,y,z误差小于50 m)的要求;说明了通过小波滤噪方法可以有效提高爆破信号信噪比并且提高了P波到时拾取的准确度,提高了定位精度,具有较好的应用前景。(本文来源于《科学技术与工程》期刊2015年36期)
波初至论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
微地震监测技术是一种能够进行实时动态监测的地球物理学新技术。本文主要介绍了微地震P波初至自动拾取的基本原理和应用效果,特别对一种Allen算法和Bear算法结合的AB算法进行了详细研究并通过实验进行验证。使用AB算法实现了对微震事件的自动拾取,并对拾取效果进行分析。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
波初至论文参考文献
[1].蔡振宇,盖增喜.人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例[J].北京大学学报(自然科学版).2019
[2].刘传义,毛玉蓉.微地震P波初至拾取的方法[J].教育教学论坛.2018
[3].朱权洁,姜福兴,魏全德,王博,刘金海.煤层水力压裂微震信号P波初至的自动拾取方法[J].岩石力学与工程学报.2018
[4].王俊,杨驰,詹小艳,朱峰,张金川.P波初至到时自动拾取技术研究[J].地震研究.2018
[5].郝晓菡,夏江海.利用勒夫波频散曲线和SH波初至旅行时联合反演获取浅地表S波速度[C].2017中国地球科学联合学术年会论文集(叁十一)——专题59:环境地球物理技术应用与研究进展、专题60:浅地表地球物理进展.2017
[6].李贤,王文杰,陈炳瑞.工程尺度下微震信号及P波初至自动识别AB算法[J].岩石力学与工程学报.2017
[7].李贤,王文杰,陈炳瑞,徐世达.基于Allen算法微震信号P波初至及其自适应识别[J].矿业研究与开发.2016
[8].何先龙,佘天莉,高峰.一种地震P波和S波初至时间自动拾取的新方法[J].地球物理学报.2016
[9].李贤.基于Allen算法工程尺度微震信号及其P波初至自适应识别算法研究[D].武汉科技大学.2016
[10].王国富,陈俊婷,张法全,叶金才,黄桂强.小波分析与振幅比法联合拾取P波初至时间[J].科学技术与工程.2015