论文部分内容阅读
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。