基于峰值前后波形斜率的礦山微震與爆破信號識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種礦山微震和爆破信號識別方法，尤其涉及一種基于峰值前后波形 斜率的礦山微震與爆破信號識別方法。
【背景技術(shù)】
[0002] 微震監(jiān)測是通過分析生產(chǎn)活動所產(chǎn)生的微震事件來監(jiān)測地下狀態(tài)的地球物理技 術(shù)。由于該技術(shù)并非直接測定被監(jiān)測巖體的應(yīng)力、應(yīng)變等基本力學(xué)參數(shù)，而是通過微震震源 定位確定其在受到應(yīng)力和變形時的穩(wěn)定性，因此相比于傳統(tǒng)位移和應(yīng)力監(jiān)測的方法，微震 監(jiān)測技術(shù)能夠獲知巖體內(nèi)部微破裂分布及微破裂演化過程并反映相鄰區(qū)域內(nèi)的巖體變形 或位移。近年來，該技術(shù)在地下工程及巖體邊坡工程領(lǐng)域得到快速發(fā)展，廣泛應(yīng)用于礦山、 隧道、石油和天然氣及地?zé)豳Y源儲藏庫、核廢料處置室等地下構(gòu)筑物和巖石邊坡、超大橋墩 及水壩等地表工程的穩(wěn)定性監(jiān)測，并在油氣和金屬資源勘探開發(fā)中發(fā)揮越來越重要的作 用。
[0003] 由于礦山微震監(jiān)測主要是采集巖體破裂產(chǎn)生的震動信號，通過信號的分析與處理 求解震源參數(shù)，分析微震事件的時空分布，以此評價巖體的穩(wěn)定性。整個過程的基礎(chǔ)是信號 的辨識，針對監(jiān)測目標(biāo)，剔除噪音、爆破等無用信號，為巖體穩(wěn)定性分析和地壓災(zāi)害評價提 供可靠數(shù)據(jù)。目前，國內(nèi)外應(yīng)用微震監(jiān)測系統(tǒng)對巖體的穩(wěn)定性進行監(jiān)測時，都因遇到或多或 少的問題而不被現(xiàn)場認(rèn)可，這其中最主要的原因就是：現(xiàn)場生產(chǎn)環(huán)境較為復(fù)雜、噪聲源多且 雜、爆破影響較大，導(dǎo)致大量的爆破數(shù)據(jù)與有效的微震信息夾雜在一起，很難準(zhǔn)確地甄別， 以致難以提供直觀的監(jiān)測數(shù)據(jù)為現(xiàn)場生產(chǎn)服務(wù)，而傳統(tǒng)的依靠人工手動不精確的波形識別 和處理，很容易導(dǎo)致微震事件快速標(biāo)定和微震事件空間分布規(guī)律預(yù)測產(chǎn)生嚴(yán)重誤差。
[0004] 涉及微震事件與爆破事件識別的專利申請（申請?zhí)?01410556890. 4)給出了一種 基于波形起振特征的礦山微震與爆破識別方法，該方法具有較高的識別準(zhǔn)確度，但背景噪 音較大時，首次峰值點不易拾取，且波形起振斜率受噪音影響較大，尤其當(dāng)噪音的幅值高于 原信號的首次峰值時，識別結(jié)果將更多的取決于噪音信號的起振斜率，而不是原信號的波 形起振特征，識別結(jié)果出現(xiàn)不準(zhǔn)確性。
[0005] 因此，有必要設(shè)計一種充分考慮波形的起振特征和衰減特征，計算簡單，識別效果 良好，且識別結(jié)果不受噪音影響的礦山微震與爆破信號識別方法。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題是，針對現(xiàn)有技術(shù)的不足，提供一種基于峰值前后波 形斜率的礦山微震與爆破信號識別方法，該方法計算量小、識別準(zhǔn)確度高、無需時域到頻域 變換，且識別結(jié)果不受噪音影響。
[0007] 本發(fā)明的技術(shù)解決方案如下：
[0008] -種基于峰值前后波形斜率的礦山微震與爆破信號識別方法，包括以下步驟：
[0009] 步驟1 :獲得線性識別方程：
[0010] 基于N次微震事件與M次爆破事件的采樣序列，獲得以A、V k2、k3、k4、M5P k 6的 對數(shù)為特征參數(shù)的線性識別方程：Y = adlgGO+adlgG^+adlgG^+adlgG^+a^lgO^ )+a6*lg(k6) +b*lg(A) +c ;其中Y為線性識別方程的因變量，即待識別事件的判別值；【Y是一 個能將多維空間中的點（此處指X= (Aipk2Ayl^k5A6))降為一維數(shù)值的線性函數(shù)，這 個線性函數(shù)把多維空間中的已知類別總體以及求知類別歸屬的樣本都變換為一維數(shù)據(jù)，這 個線性函數(shù)能夠在把多維空間中的所有點轉(zhuǎn)化為一維數(shù)值之后，既能最大限度地縮小同類 中各個樣本點之間的差異，又能最大限度地擴大不同類別中各個樣本點之間的差異。本發(fā) 明中字母γ是線性識別函數(shù)的因變量】， ki、匕和k 3為最大峰值點之前的三個波形斜率【波 形斜率根據(jù)最大峰值點和其它采樣點的坐標(biāo)計算得到】，k4、匕和k 6為最大峰值點之后的三 個波形斜率，A為波形最大峰值點幅值的絕對值，apayayapapapb和c為基于樣本辨識 得到的8個常量值；N和M為整數(shù)，且N，M彡100 ;
[0011] 步驟2 :計算判別閾值Yd:
[0012] 步驟3 :基于線性識別方程和判別閾值Yd對待識別事件進行識別：
[0013] 計算待識別事件最大峰值點之前的三個波形斜率kp kdP k 3、最大峰值點之后的 三個波形斜率k4、匕和k 6及最大峰值點幅值的絕對值A(chǔ)，代入所述的識別方程得判別值Y， 若Y <判別閾值Yd，則說明該待識別事件為微震事件，否則若Y >判別閾值Yd，則說明該待 識別事件為爆破事件。
[0014] 所述步驟1中，針對每一次微震事件或爆破事件，進行以下操作：
[0015] (1)選取采樣序列中振幅絕對值最大的采樣點，即最大峰值點，記為P (y，X)，y的 絕對值記為A ;
[0016] (2)選取與最大峰值點最近的前后三個采樣點，依時間順序分別記為P1Oc 1, yi)、 f*2 (X2，y2)、(X3，y3)、(X4，y4)、(X5，y5)和 (X6，y6);
[0017] (3)計算最大峰值點前后的波形斜率的大小，Ic1= abs[(y-y V(X-X1)]，k2 = abs [ (y-y2) / (X-X2) ]，k3 = abs [ (y-y 3) / (X-X3) ]，k4 = abs [ (y-y 4) / (X-X4) ]，k5 = abs [ (y-y 5) / (X-X5) ]，k6= abs [ (y-y 6) / (X-X6)];
[0018] 統(tǒng)計已確定的N次微震事件與M次爆破事件，得到以mHkdP A的對 數(shù)為特征參數(shù)的線性識別方程：Y = adlgGO+adlgG^+a^lgG^+adlgG^+a^lgO^) + a6*lg(k6)+b*lg(A)+c〇
[0019] 采用Fisher判別方法得到所述的線性識別方程。
[0020] 所述步驟2中，計算判別閾值Yd的方法為：
[0021] 計算N次微震事件的最大峰值點之前的三個波形斜率kpkJP k3、最大峰值點之后 的三個波形斜率k4、匕和k 6及最大峰值點幅值的絕對值A(chǔ) ;
[0022] 計算N次微震事件中各特征參數(shù)的平均值：Zcmsl = 3 Ig (Zq)、Zfms2 = ^Elg(^) > femss ^ ^ms4 > kms：i=^g(.k5) . kmse^=^g(k6) 和Ans = [Σ Ig ⑷：
[0023] 將Iinisl、U、U、U、1?κ5、1^6和A κ代入線性識別方程Υ，得到微震事件類型判別 臨界值為 Ynis= a ;
[0024] 計算M次爆破事件的最大峰值點之前的三個波形斜率I^kJPk3、最大峰值點之后 的三個波形斜率k 4、匕和k 6及最大峰值點幅值的絕對值A(chǔ) ;
[0025] 計算M次爆破事件中各特征參數(shù)的平均值： ^blastl - Σ Ig (/ci)， ^blast2 - ~Σ Ig (M-ι) > ^blast；^ = ~Σ Ig > ^blast4 = Ig (^4) 、^blasts ^Σ Ig (&5)、&blast6 = Ig (女6)和Ablast = Ig 〇4);
[0026] 將 kblastl、kblast2、kblast3、kblast4、k blast5、kblast6和 A blast代入線性識別方f王 Υ，丫守到爆破 事件類型判別臨界值為 Yblast= a dkbhw+adkbhw+adkbhw+a^kb^w+adk blast5+a6*kblast6+ b*Ablast+c ；
[0027] 取Yms和Y blast的平均值作為未知事件判別閾值Y d。
[0028] 所述步驟3,針對待識別事件計算kp k2、k3、k4、k5、1^6和A的步驟為：
[0029] (1)選取待識別事件采樣序列中振幅絕對值最大的采樣點，即最大峰值點，記為 P (y，X)，y的絕對值記為A ;
[0030] (2)選取與最大峰值點最近的前后三個采樣點，依時間順序分別記為P1U 1, yi)、 f*2 (X2，y2)、P3 (X3，y3)、P4 (X4，y4)、P5 (X5，y5)和 (X6，y6);
[0031] (3)計算最大峰值點前后的波形斜率的大小，Ii1= abs[(y-y ^/(X-X)]，k2 = abs [ (y-y2) / (X-X2) ]，k3 = abs [ (y-y 3) / (X-X3) ]，k4 = abs [ (y-y 4) / (X-X4) ]，k5 = abs [ (y-y 5) / (X-X5) ]，k6= abs [ (y_y 6) / (x-x6) ] 〇
[0032] 有益效果：
[0033] I)、識別結(jié)果不受背景噪音的影響
[0034] 雖然現(xiàn)有技術(shù)中，涉及微震事件與爆破事件識別的專利（申請?zhí)?201410556890. 4)已給出了一種基于波形起振特征的礦山微震與爆破識別方法，但當(dāng)背景 噪音較大時，首次峰值點不易拾取，且波形起振斜率受噪音影響較大，尤其當(dāng)噪音的幅值高 于原信號的首次峰值時，識別結(jié)果將更多的取決于噪音信號的起振斜率，而不是原信號的 波形起振特征，識別結(jié)果出現(xiàn)不準(zhǔn)確性。而本技術(shù)方案徹底放棄依據(jù)首次峰值前波形起振 斜率這一識別特征，選用受噪音信號干擾影響較小的最大峰值前后波形的起振與衰減特征 作為識別參數(shù)，該方法不僅降低了噪音信號對識別結(jié)果的影響，而且增加了衰減特征作為 識別參數(shù)，使識別結(jié)果更為精準(zhǔn)。
[0035] 2)、無需時域到頻域轉(zhuǎn)換，計算量少
[0036] 本發(fā)明針礦山微震與爆破信號識別，提出一種基于峰值前后波形斜率的礦山微震 和爆破信號識別方法。該方法充分考慮了信號的起振和衰減特征，無需波形從時域到頻域 的變化，計算量少。
[0037] 3)、識別正確率高
[0038] 相比于以震源參數(shù)為特征參數(shù)進行事件類型識別的方法，本發(fā)明無需P波和S波 的到時提取，從而避免了由到時提取誤差造成的識別正確率低下。
[0039] 4)、自動識另Ij、效率高
[0040] 傳統(tǒng)的人工手動識別不僅工作量巨大且與識別效率與數(shù)據(jù)處理員的技術(shù)經(jīng)驗息 息相關(guān)關(guān)，本發(fā)明建立了自動識別爆破和微震信號的數(shù)學(xué)模型，可由計算機程序進行自動 識別，大大提高了識別效率。
[0041] 5)、本發(fā)明成本低，易于實施。
【附圖說明】
[0042] 圖1是針對兩類事件各100次采樣的各參數(shù)統(tǒng)計的結(jié)果；圖I (a)、I (b)、I (c)、 I (d)、1 (e)、1 (f)和I (g)分別為針對兩類事件各100次采樣的kp k2, k3, k4, k5, k6, A統(tǒng)計的 結(jié)果。
[0043] 圖2是本發(fā)明關(guān)鍵數(shù)據(jù)點選取示意圖。
[0044] 圖3是微震事件首先觸發(fā)傳感器波形圖。
[0045] 圖4是爆破事件首先觸發(fā)傳感器波形圖。
[0046] 圖5是待識別事件首先觸發(fā)傳感器波形圖；圖5(a)和圖5(b)分別為兩次待識別 事件首先觸發(fā)傳感器波形圖。
【具體實施方式】
[0047] 以下將結(jié)合附圖和具體實施例對本發(fā)明做進一步詳細(xì)說明：
[0048] 本發(fā)明提供了一種基于峰值前后波形斜率的礦山微震與爆破信號識別方法，包括 以下步驟：
[0049] 步驟1 :獲得線性識別方程：
[0050] 基于N次微震事件與M次爆破事件的采樣序列，獲得以A、V k2、k3、k4、kjP k 6的 對數(shù)為特征參數(shù)的線性識別方程：Y = adlgGO+adlgG^+adlgG^+adlgG^+a^lgO^ )+a6*lg(k6)+b*lg(A)+c ;其中Y為線性識別方程的因變量，即待識別事件的判別值；kpkdP k3為最大峰值點之前的三個波形斜率【波形斜率根據(jù)最大峰值點和其它采樣點的坐標(biāo)計算 得到】，k 4、匕和k 6為最大峰值點之后的三個波形斜率，A為波形最大峰值點幅值的絕對值， ai、a2、a3、a4、a5、a 6、b和c為基于樣本辨識得到的8個常量值；N和M為整數(shù)，且N，M彡100 ;
[0051] 步驟2 :計算判別閾值Yd:
[0052] 步驟3 :基于線性識別方程和判別閾值Yd