Location of underground microseismic source based on 3D two-stream network
-
摘要:
地下微震震源中心探测技术主要用于地下岩层破裂，矿井爆破振动监测，工程爆破定向拆除等定位问题。针对目前微震采集传感器采集时钟误差以及采集数据高频信息缺失的问题，提出了基于3D双流网络的方法对地下岩层破裂进行分布式微震震源定位。该方法通过空间扫描的方式使低维的振动波信息高维化，把地震波形数据从时间域转化为能量域，建立震源中心与高维能量分布的对应关系；然后通过3D-CNN网络提取能量域特征，convLSTM网络逐步优化震源中心区域，以得到精准的震源中心定位。结果表明，基于3D双流网络的地下岩层破裂微震震源定位明显优于传统的基于走时类震源定位方法，该方法在高信噪比数据中，具有更强的数据拟合能力和抗干扰能力。并且通过小场地静态爆炸试验结果表明，该定位方法在近场微震震源定位中优于传统方法。
Abstract:The detection technology of the microseismic source center of underground damage is mainly used for the location of the underground damage, positioning of explosion point of artillery shells in weapon testing ground. Aiming at the problem that clock error of microseismic acquisition sensor and the lack of high frequency information of acquisition data, this paper proposes a distributed microseismic source location for underground damage based on 3D two-stream network. The method uses spatial scanning to make the low-dimensional vibration wave information highly dimensional, transforms the seismic waveform data from the time domain into the energy domain, and establishes the correspondence between the source center and the high-dimensional energy distribution. Then, the energy domain features are extracted through the 3D-CNN network, and the LSTM network gradually optimizes the focal center region to obtain accurate focal center location. The results show that the source location of underground damage microseismic based on 3D dual-current network is obviously superior to the traditional traveltime-like source location method, and the proposed method has stronger data fitting ability and anti-interference ability in high SNR data. The results of static explosion test in small field show that the proposed method is superior to the traditional method in near field microseismic source location.
-
Keywords:
- underground damage /
- microseismic source /
- 3D-CNN /
- Long Short-Term Memory(LSTM)
-
0. 引 言
西北生态脆弱区具有显著的“富煤、贫水、弱生态”特征。第四系萨拉乌苏组潜水是该区域惟一具有供水和生态意义水资源。潜水生态水位与区域植被生态、地质环境密切相关[1]。煤炭资源大规模开发，势必扰动生态水位变异，诱发原本脆弱的生态环境进一步恶化。因此，研究生态脆弱区煤层采动下生态水位变异程度对矿区生态地质环境保护、绿色矿山建设具有重要意义。
保水采煤的目标是在防治采场突水的同时，维持具有供水意义和生态价值的含水层稳定或将生态水位变化控制在合理范围内。为此，煤层采动下生态水位变异研究取得了系列成果。现场实测方面，结合地下水传感器监测钻孔潜水水位，分析了潜水位下降与煤层开采强度的关系[2]、潜水位波动与地表沉陷的耦合关系[3]、潜水位下降对干旱矿区植被蒸腾[4]及河岸区地下水蒸散发量的影响[5]、地下水位与干旱区生态系统关系[6]、保水采煤环境工程地质模式及保水采煤类型区域研究[7]。钻孔水位监测较难实现大区域全方位、小尺度、精细化监测，为此，结合数值模拟，分析了采矿活动和降雨事件对潜水位的影响规律[8–10]、预测了矿井涌水量及评价了矿区地下水资源[11–13]、研究了高强度煤层采动下最佳生态水位将至警戒水位的生态效应[14]，弥补了钻孔水位监测的不足。此外，基于偏差信息和非线性自回归神经网络混合模型[15]、创新趋势分析和Mann-Kendall方法[16]、频谱法和校正方法、时间序列分析法[17]等数学理论方法，在选择多个影响因素的基础上，预测采矿活动对地下水位的影响，但缺乏水位变化的物理意义。采矿活动影响下地下水演变机理方面，Abdullah Karaman等假设将采煤工作面看作移动抽水井，模拟了地面沉降对地下水位的影响[18]；随后采用类似曲线分析计算法建立了采矿速率、水力扩散系数与潜水水位的耦合关系[19]，探究了采矿活动影响下地下水位的演变规律。杨倩等[20]阐述了采动裂隙导水和变形压力作用下的承压水位变化机制，建立了地下水稳定运动、非稳定运动2种井流方程的覆岩承压含水层水位采动变化数学模型。李涛等[21]利用Theis公式与相似模拟试验相结合的方法，建立了煤层采动对地下水位恢复的井流预测模型。
当前研究集中于煤层采动潜水渗漏条件下生态水位如何下降，而往往忽略潜水不渗漏/采煤沉陷扰动下生态水位恢复演变规律。此外，采动生态水位演变往往依靠现场实测，水位恢复程度预测解析解不明确。基于此，笔者首先基于“关键层位置+薄板理论+土拱效应+下行裂隙”建立煤层采动下覆岩–土隔水层厚度计算方法，判别潜水渗漏状态；其次，结合2个工作面的潜水生态水位实测数据，研究煤层采动下潜水生态水位变化规律；然后，基于井流模型建立采煤沉陷扰动下生态水位恢复程度解析解；最后，对比分析生态水位恢复实测值与解析值，并探讨了生态水位未完全恢复的原因。
1. 煤层采动下潜水渗漏状态判别
1.1 覆岩残余隔水层厚度的确定方法
随着我国东部煤炭资源逐渐枯竭，煤炭开采重心已转移至西北生态脆弱区。西部地区主采侏罗系煤层，地表被第四系沙层所覆盖，其下的第四系萨拉乌苏组潜水含水层具有重要的生态意义。第四系潜水隔水层主要是新近系保德组红土与中更新统离石组黄土，西部地区地层综合柱状图如图1所示。
![]()
图 1 西部矿区地层综合柱状图Figure 1. Comprehensive column chart of strata in the western mining area煤层采动后，形成覆岩导水裂隙带。目前煤层开采导水裂隙带发育高度(简称“导高”)预计的方法，主要针对我国东部石炭–二叠系煤层开采实测值总结。东部矿区主要以深井开采为主，而西部矿区开采主要为浅埋厚煤层，具有大采高、大采深的特点，上覆潜水隔水土层主要以黄土、红土为主，导水裂隙带易贯穿基岩进入(部分)土层，与东部矿区煤层埋藏以及开采条件大有不同，先前总结的经验公式难以实现西部矿区导高的准确预测[22–24]。
基于上述分析，针对西部矿区特征，结合已有研究成果，基于“关键层位置+薄板理论+土拱效应+下行裂隙”建立了覆岩–土结构下采动导高计算模型(图2)。首先，当覆岩当关键层位置距开采煤层大于7～10倍煤层采厚距离时，导高等于该关键层距开采煤层的高度[25]。反之，基于薄板理论计算主关键层上部基岩破断情况，即：通过对比薄板的极限挠度值与岩层下部自由空间高度的大小，判断各基岩岩层是否全部断裂，确定发育在基岩中的导高。若上部基岩岩层全部断裂，则需要判断导水裂隙带是否继续向上发育至土层。为此，基于普氏理论和岩体极限平衡理论确定土体破坏临界高度[26]。如果土层的厚度足够大，当土层被破坏到临界高度时，就会形成一个自然平衡拱，此时土层就不会继续垮落，导水裂隙带发育高度即为临界高度与基岩厚度之和。如果土层没有形成稳定拱，考虑采煤沉陷下行裂隙深度是否发育至基岩顶界面[27]，若两者贯通，导水裂隙带贯穿地表；若没有发育至基岩则导水裂隙带发育到土–岩交界面。综上，确定覆岩–土结构下采动导水裂隙带发育高度，为下述潜水渗漏状态判别提供理论依据。
![]()
图 2 覆岩–土结构下采动导水裂隙带高度计算流程Figure 2. Flow of calculating the height of water fracture zone under overburden bedrock and soil structure1.2 考虑残余隔水层厚度的潜水渗漏状态判别
在确定覆岩–土结构下采动导高的基础上，确定覆岩残余隔水层厚度及其类型。为保证煤矿开采安全，通常根据松散层、黏性土层厚度以及采厚等因素留设防水或防砂安全煤岩柱，但是对于考虑残余隔水层厚度及其岩性组合的潜水渗漏状态无法判别。
为此，对于覆岩残余隔水层厚度与渗漏状态的确定，笔者在分析潜水渗漏模式阈值和残余隔水层厚度组合线性变化规律的基础上，确定潜水渗漏与否的阈值：红土、黄土和基岩厚度分别为22、36和120 m[26]。李涛等[28]采用水–电相似模拟得出：离石黄土42.6 m或保德红土21.0 m为潜水不发生渗漏的最小厚度。综上，对比分析残余隔水层厚度与渗漏阈值(表1)，确定潜水的渗漏状态。
表 1 潜水渗漏模式判断标准Table 1. Criteria for judging aquifer leakage modes渗漏情况 判断方法1 判断方法2 潜水不发生渗漏 $ \dfrac{x}{{22}} + \dfrac{y}{{36}} + \dfrac{{\textit{z}}}{{120}} - 1 \geqslant 0 $ $ \dfrac{x}{{42.6}} + \dfrac{y}{{21}} - 1 \geqslant 0 $ 潜水发生渗漏 $ \dfrac{x}{{22}} + \dfrac{y}{{36}} + \dfrac{{\textit{z}}}{{120}} - 1 < 0 $ $ \dfrac{x}{{42.6}} + \dfrac{y}{{21}} - 1 < 0 $ 注：x为残余红土厚度，m；y为残余黄土厚度，m；z为残余基岩厚度，m。 2. 采动沉陷扰动下生态水位实测
2.1 煤层采动潜水渗漏状态
在西北生态脆弱区金鸡滩煤矿108工作面和小保当煤矿01工作面分别开展采煤扰动下生态水位实测。为判断潜水渗漏状态，在108工作面布置了KY1、KY2两个钻孔实测煤层采动导高分别为170.55、178.45 m[14](图3)。在钻孔KY1中，残余基岩和土层的厚度分别为9.26、39.7 m。在钻孔KY2中，残余基岩和土层的厚度分别为19.16、26.8 m。对于01工作面，布置了钻孔S5测试导高为157.39 m[3](图4)，残余隔水基岩和土层的厚度分别为74.07、65 m。
此外，结合覆岩残余隔水层厚度的确定方法和工作面综合钻孔柱状图，确定01、108工作面覆岩主关键层与开采煤层的距离均大于7～10倍煤层采厚，基于此，导高等于该关键层距开采煤层的高度分别为：179.13、191.76 m。结合工作面综合柱状图，108工作面残余基岩和土层的厚度分别为10.58、33.25 m；01工作面残余基岩和土层的厚度分别为52.33、65 m。
结合上述潜水渗漏状态参与隔水层厚度阈值，确定01、108工作面煤层采动过程中潜水均未发生渗漏。
2.2 煤层采动下生态水位实测
为了监测工作面整个采煤期间潜水位变化，在108工作面设置了水位监测钻孔KY8和KY10(图3)。监测钻孔KY8位于工作面倾斜方向的中心，距离工作面终采线170 m；监测钻孔KY10位于108工作面运输巷上方，距离工作面终采线117 m (图3)。01工作面布置S5和S13三个水文监测钻孔(图4)。同时，监测各个钻孔孔口的地面沉降值。
KY8钻孔于2017–12–06开始监测，此时采煤工作面煤壁与监测钻孔KY8的水平距离为3.4 m。根据图5可将KY8水位及地面沉降变化分为4个阶段，分别为1—水位快速下降阶段；2—受地面迅速沉降影响水位短暂平稳阶段；3—地面沉降幅度减弱、水位缓慢上升阶段；4—地面沉降幅度进一步减小直至沉降稳定、水位逐渐稳定阶段。工作面过孔后24 d左右水位下降至最低点，采煤进尺远离钻孔并运动到终采线后钻孔处沉降幅度逐渐减小并趋于稳定，水位逐渐恢复。
01工作面S5钻孔于2019–04–10开始观测，潜水位随回采均表现出“先下降后回升”的规律，如图6所示。采煤工作面过孔后25 d左右各水文孔达到最低水位，与地表下沉具有同时性，即地表开始下沉时，潜水位开始下降，下降幅度基本一致。采后138 d左右采煤进尺远离钻孔并运动到终采线后钻孔处沉降幅度逐渐减小并趋于稳定，水位逐渐恢复[3]。
2.3 生态水位演变规律
根据01和108工作面采动潜水变化实测可知，对于某一观测点来说，地面沉降与水位下降同步，地面沉降的幅度将影响潜水位的下降速度：地表沉降活跃期，地表沉降速度急剧加快，甚至大于水位下降幅度，潜水位迅速下降；当地表沉降进入活跃阶段后期，地面沉降幅度逐渐减弱，潜水位逐渐稳定；地面沉降衰退阶段，地表沉降趋于稳定，潜水位易在大气降水和潜水侧向补给作用下逐渐回升，进入回升阶段。
因此，在煤层采动潜水不渗漏/采煤沉陷扰动条件下，生态水位呈现“迅速下降—缓慢回升—趋于稳定”的演化规律，但采后潜水水位通常不能完全恢复至采前水位。
3. 采煤沉陷扰动下生态水位恢复程度井流模型解析
为模拟测孔的潜水位在采煤后恢复所需要的时间，建立满足Theis公式的单井数学模型。将模拟恢复时间与上述实际测量恢复时间进行对比，研究采煤对水位波动的影响规律。
3.1 井流模型的建立
随着采煤进尺经过监测点并运动到停采线水位下降，将此过程的瞬时水位看作一口虚拟抽水井(图7)，以定流量Q在tp时间内抽水造成潜水位降落漏斗；而潜水位的恢复发生在采煤结束地面沉降稳定停止虚拟抽水后，将这一过程看作虚拟注水。因此潜水位降深s′与时间t的关系如图8所示，图中t′为水位恢复的时间，sr′为水位恢复期的修正剩余降深[29-30]。
3.2 井流模型的解析
数学模型的建立采用定流量的Theis公式
$$ s' = \frac{Q}{{4\pi T}}W(u) $$ (1) $$ W(u) = \int_u^\infty {\frac{{{{\mathrm{e}}^{ - y}}}}{y}} {\mathrm{d}}y $$ (2) $$ u = \frac{{{r^2}\mu }}{{4Tt}} $$ (3) $$ W(u) = \ln \frac{{2.25Tt}}{{{r^2}\mu }} $$ (4) 式(3)、(4)为Theis公式的简化形式。式中，s′为虚拟抽水井的降深，m；r为钻孔到虚拟抽水井的距离，m；u为含水层的给水度； T为含水层导水系数，m2/d，T=KM，K为含水层的渗透系数，m/d，M为初始含水层厚度，m；t为虚拟抽水开始到计算时刻的时间，d ；Q为虚拟抽水井的定流量，m3/d；W(u)为井函数；y为积分变量。
首先计算虚拟抽水流量Q，选取模型中非对称的两任意观测点，已知其虚拟抽水结束后的水位s1's2'，假定虚拟抽水井位置，预设r1 r2，结合井式(1)得到式(5)，即可以求出Q值，再把求出的Q值代入Jacob式(6)，得到近似的虚拟抽水进行的时间tp。
$$ K = \frac{{0.318\;3Q(\ln \;{r_2} - \ln \;{r_1})}}{{(2M - {s_1}' - {s_2}')({s_1}' - {s_2}')}} $$ (5) $$ s' = \frac{{0.183Q}}{T}\lg \frac{{2.25T{t_{\mathrm{p}}}}}{{{r^2}\mu }} $$ (6) 根据计算出的Q值和tp值代入恢复期的Thies式(7)，其等价于同流量的虚拟抽水和虚拟注水的叠加，并代入任意降深可以求出对应的恢复所用时间t'。
$$ {s_{\mathrm{r}}}' = \frac{Q}{{4\pi T}}\left(\ln \frac{{t' + {t_{\mathrm{p}}}}}{{t'}} - \frac{{{r^2}\mu }}{{4Tt'}}\right) $$ (7) 根据井流模型解析生态水位波动过程的流程如图9所示。
4. 采煤沉陷扰动下生态水位恢复程度预测
4.1 生态水位恢复实测值与预测值对比分析
根据两工作面已有的工程地质、水文地质参数，结合2.2节中的水位监测数据，使用3.2节中所述的方法，能够对108工作面和01工作面的生态水位恢复程度进行预测解析。
01工作面中，$ K = 3.5\;{\mathrm{m/d}}，M = 10\;{\mathrm{m}}，T = KM = 35\;{{\mathrm{m}}}^{2}/{\mathrm{d}}，\mu =0.27 $。选取2.2节中测量出的S5和S13钻孔的水位降深以及其距离虚拟井的水平距离$ s'_1=2.595\;{\mathrm{m}}，s'_2=1.679\;{\mathrm{m}}，{r}_{1}=120\;{\mathrm{m}}，{r}_{2}= 128.5\;{\mathrm{m}} $为观测数据代入式(5)计算出虚拟抽水井的流量Q=2 314.479 m3/d。将流量Q代入抽水阶段的Jacob式(6)得出虚拟抽水时间$ {t}_{p}=26.94\;{\mathrm{d}} $，S5观测井实际抽水时间为27 d (图10中的I阶段)。S5水位恢复到第1个峰值时的水位降深为1.635 m，将虚拟抽水井流量Q和虚拟抽水时间tp代入式(7)可以得出虚拟注水时间t'=27.37 d，实际恢复时间为26 d (图10中的II–1阶段)；恢复到最高水位时的水位降深为1.081 m，虚拟注水时间t'=64.26 d，实际恢复时间为63 d (图10中的II–2阶段)。
![]()
图 10 S5钻孔水位波动预测时间与实际时间对比Figure 10. Comparison between predicted time and actual time of water level fluctuation in S5 borehole108工作面KY8钻孔的生态水位恢复过程解析[30]，得出KY8观测井虚拟抽水时间$ {t}_{{\mathrm{p}}}=243.988\;{\mathrm{d}} $，实际抽水时间为244 d(图11中的I阶段)。KY8观测井虚拟水位恢复到60%时，得$ t'_{60\%}=23.715\;{\mathrm{d}} $；KY8观测井实际恢复时间为20 d左右(图11中的II–1阶段)；恢复到110%时$ s'_{1\tau }=2.267\;{\mathrm{m}} $， $ t'_{110\%}= 42.127\;{\mathrm{d}} $；实际为40 d左右(图11中的II–2阶段)；恢复到200%时，$ t'_{200\%}=78.178\;{\mathrm{d}} $；实际为80 d左右(图11中的II–3阶段)。
![]()
图 11 KY8钻孔水位波动预测时间与实际时间对比Figure 11. Comparison between predicted time and actual time of water level fluctuation in KY8 borehole以上模拟过程的计算结果与实测结果之间存在一定误差，主要来源于计算过程中对井公式的简化带来的误差，以及开采过程中地面沉降带来的上覆隔水层的变化会对结果造成影响。但是误差较小，因此可以通过建立井流模型与实际测量数据相结合来估计采煤后的水位恢复时间。
4.2 生态水位未完全恢复原因
综合现场监测和解析模型生态水位变化数据可知：潜水不渗漏情况下采动生态水位下降主要由采煤沉降导致。随着地面沉降速度下降并趋于0，生态水位会有一定程度恢复，但通常在相当长时间内不能完全恢复至采前生态水位。笔者认为主要由地表地形地貌、大气降雨补给、潜水含水层补径排、矿区井下疏放水等综合因素诱发采后生态水位未能完全恢复。
其中，地形地貌控制着潜水水位的分布特征，潜水面形态与地表形态基本一致，采煤扰动下地表地形、微地貌均会发生变化，尤其在采煤沉陷盆地范围内，生态水位也相应发生变化。若煤层采动区域内潜水含水层分布局限，侧向补给缺乏[3]，或大气降水补给条件较差，无法弥补由于沉陷引起的生态水位下降程度就会导致采煤沉陷扰动下生态水位无法完全恢复。为了防治矿井水害，井下通常采取钻孔疏放水的措施，易诱发区域地下水系统中各含水层出现不同程度的补给排泄，进而会导致生态水位未能恢复至采前状态。
5. 结 论
1)针对西部矿区特征，基于关键层位置+薄板理论+土拱效应+下行裂隙建立了采动覆岩–土结构下导水裂隙带高度计算模型，结合覆岩残余基岩和土层阈值，构建了煤层采动下潜水渗漏状态判别方法。
2)在煤层采动潜水不渗漏/采煤沉陷扰动条件下，生态水位呈现迅速下降→缓慢回升→趋于稳定的演化规律，但采后潜水水位往往不能完全恢复至采前水位。
3)建立了采煤沉陷扰动下生态水位恢复程度井流解析模型，对比实测结果表明：生态水位不同恢复程度的恢复时间解析值与实测值误差均小于10%。
-
![]()
图 14 微震定位过程中的损失率、准确率、学习率
Figure 14. Loss rate，Accuracy rate and learning rate in the process of microseismic location
表 1 3D-CNN网络框架参数
Table 1 3D-CNN network frame parameters
层数 卷积 连接系数/% 卷积核大小 卷积核个数 输入层 $ 1\times 1\times 1 $ 1 0 2层 $ 3\times 3\times 3 $
$ 5\times 5\times 5 $
$ 7\times 7\times 7 $3 10 3层 $ 2\times 2\times 2 $
$ 3\times 3\times 3 $
$ 5\times 5\times 5 $3 30 4层 $ 3\times 3\times 3 $
$ 5\times 5\times 5 $
$ 7\times 7\times 7 $3 30 5层 $ 5\times 5\times 5 $
$ 7\times 7\times 7 $2 10 输出层 $ 1\times 1\times 1 $ 1 0 
下载: 导出CSV
表 2 3D-CNN网络框架参数
Table 2 3D-CNN network frame parameters
层数 卷积层 输入层 σ Tanh 卷积核大小 1×1×1 3×3×3 5×5×5 卷积核个数 1 3 5
下载: 导出CSV
-
[1] 吴顺川,郭 超,高永涛,等. 岩体破裂震源定位问题探讨与展望[J]. 岩石力学与工程学报,2021,40(5):18−25. doi: 10.13722/j.cnki.jrme.2020.0710 WU Shunchuan,GUO Chao,GAO Yongtao,et al. Discussion and prospect of source location of rock fracture[J]. Chinese Journal of Rock Mechanics and Engineering,2021,40(5):18−25. doi: 10.13722/j.cnki.jrme.2020.0710
[2] CHENG Jiulong,SONG Guangdong,SUN Xiaoyun,et al. Research developments and prospects on microseismic source location in mines[J]. Engineering,2018,4(5):159−174.
[3] 徐 港,薛传荣,王鑫科,等. 考虑地震波折射的层状介质微震源定位方法[J]. 岩石力学与工程学报,2021,40(8):10−20. doi: 10.13722/j.cnki.jrme.2020.1167 XU Gang,XUE Chuanrong,WANG Xinke,et al. A microseismic source location method considering refraction of seismic waves in layered media[J]. Chinese Journal of Rock Mechanics and Engineering,2021,40(8):10−20. doi: 10.13722/j.cnki.jrme.2020.1167
[4] 余洋洋,梁春涛,杜 瑶,等. 基于微地震定位与震源机制联合反演算法分析页岩气水力压裂效果及应力状态[J]. 中国地震,2021,37(2):12−25. YU Yangyang,LIANG Chuntao,DU Yao,et al. Analysis of shale gas hydraulic fracturing effect and stress state based on joint inversion algorithm(JSSA) of microseismic locationand focal mechanism[J]. Earthquake Research in China,2021,37(2):12−25.
[5] 王 辉,梁 苗,朱梦博. 基于单纯形-最短路径射线追踪的微震震源混合定位算法[J]. 中国矿业,2020,29(10):7−17. WANG Hui,LIANG Miao,ZHU Mengbo,et al. A hybrid microseismic source location algorithm based on simplex and shortest path ray tracing[J]. China Mining Magazine,2020,29(10):7−17.
[6] 王 瑜. 基于双差微地震震源定位法及应用研究[J]. 化工管理, 2020, 21(1): 2−12. WANG Yu. Research on source location method and application based on double difference microearthquake[J] Chemical Management, 2020, 21(1): 2−12.
[7] ZHANG Q,MAO W,FANG J. Elastic full waveform inversion with source-independent crosstalk-free source-encoding algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing,2020,58(4):2915−2927. doi: 10.1109/TGRS.2019.2957829
[8] LI Y,XU F. All-phase fast Fourier transform and multiple cross-correlation analysis based on Geiger iteration for acoustic emission sources localization in complex metallic structures[J]. Structural Health Monitoring,2021,8(1):1−15.
[9] DONG L,HU Q,X TONG,et al. Velocity-free MS/AE source location method for three-dimensional hole-containing structures[J]. Engineering,2020,6(7):1−15.
[10] CHAI C,MACEIRA M,SANTOS V,et al. Using a deep neural network and transfer learning to bridge scales for seismic phase picking[J]. Geophysical Research Letters,2020,47(16):1−20.
[11] 薛清峰. 基于波动方程的微地震震源位置, 震源时间及介质各向异性参数联合反演[J]. 中国地震,2021,37(2):15−25. XUE Qingfeng. Wave equation based joint inversion of microseismic source location, source excitation time and anisotropic parameters of the VTI media[J]. Earthquake Research in China,2021,37(2):15−25.
[12] 毛庆辉,程健勇,岳曙耀,等. 基于不同波形叠加函数的井中微地震震源偏移定位方法对比[J]. 长江大学学报自然科学版,2020,17(1):6−16. MAO Qinghui,CHENG Jianyong,YUN Shuyao,et al. Comparison of migration-basedLocation methods of downhole microseismic source basedon different waveform stack functions[J]. Journal of Yangtze University,2020,17(1):6−16.
[13] LIANG C,YU Y,WU F,et al. Local stress field inverted for a shale gas play based on focal mechanisms determined from the joint source scanning algorithm[J]. Acta Seismologica Sinica,2021,34(3):12−22.
[14] ROSS Z E, MEIER M A, HAUKSSON E, et al. 利用深度学习进行P波到时拾取和初动极性判定[J]. 世界地震译丛, 2020, 51(2): 132−143. ROSS Z E, MEIER M A, HAUKSSON E, et al. P wave arrival picking and first-motion polarity determination with deep learning[J]. Geophys. Res. : Solid Earth. 2020, 123: 5120−5129.
[15] 毛海波,马俊彦,王晓涛,等. 基于自适应字典学习的可控震源数据谐波噪声压制方法[J]. 石油物探,2020,59(5):11−22. doi: 10.3969/j.issn.1000-1441.2020.05.006 MAO Haibo,MA Junyan,WANG Xiaotao,et al. Harmonic noise suppression of vibroseis data based on adaptive dictionary learning[J]. Geophysical Prospecting for Petroleum,2020,59(5):11−22. doi: 10.3969/j.issn.1000-1441.2020.05.006
[16] 国运东, 黄建平, 崔 超, 等. 基于K-SVD字典学习的稀疏约束编码多震源方向: 全波形反演[J]. 应用地球物理(英文版), 2020, 17(1): 14−24. GUO Yundong, HUANG Jianping, CUI Chao, et al. Sparse constrained encoding multi-source full waveform inversion method based on K-SVD dictionary learning[J] Applied Geophysics, 2020, 17(1): 14−24.
[17] 李薇薇, 龚仁彬, 周相广, 等. 基于深度学习UNet++网络的初至波拾取方法[J]. 地球物理学进展, 2021, 36(1): 8−19. LI Weiwei, GONG Renbin, ZHOU Xiangguang et al. UNet++: a deep neural network based seismic arrival time picking method[j]. Progress in Geophysics, 2021, 36(1): 8−19.
[18] KAMNITSAS K,LEDIG C,NEWCOMBE V,et al. Efficient multi-scale 3D CNN with fully connected CRF for accurate brain lesion segmentation[J]. Medical Image Analysis,2016,36(61):1−10.
[19] PENG Y,TAO H,LI W,et al. Dynamic gesture recognition based on feature fusion network and variant ConvLSTM[J]. IET Image Processing,2020,2(1):1−15. doi: 10.36548/jiip.2020.1.001
[20] AGHAMIRY H S,GHOLAMI A,OPERTO S,et al. ADMM-based full-waveform inversion for microseismic imaging[J]. Geophysical Journal International,2021,1(1):1−12.
-
期刊类型引用(1)
1. 刘士亮，张文慧，王傲，郑雨生，王山林，毛德强，孙中光. 风沙滩地区煤层采动下潜水位恢复时间影响因素敏感性分析. 中国矿业大学学报. 2024(05): 993-1005 . 
百度学术
其他类型引用(4)
计量
- 文章访问数: 58
- HTML全文浏览量: 11
- PDF下载量: 20
- 被引次数: 5
