一种基于物理属性引导的多台站落石地震信号定位方法
本发明涉及地质灾害微震监测与地震信号智能处理,尤其涉及一种基于物理属性引导的多台站落石地震信号定位方法。
背景技术:
1、落石是山区常见的重力驱动型地质灾害,其发生具有突发性强、持续时间短和空间分布离散等特点,容易对山区道路、铁路、水利工程及人员安全造成威胁。落石在剥离、坠落、碰撞、滚动和滑动过程中会与坡面发生相互作用,并激发能够在岩土介质中传播的弹性波。通过在坡体及其周边布设地震监测台站,可连续记录与落石活动相关的地震信号,为落石事件识别、位置确定和运动过程分析提供基础数据。
2、落石震源位置是分析落石活动空间分布及运动过程的重要信息。现有落石地震信号定位方法多借鉴天然地震或微震事件定位方法。其中,基于到时信息的定位方法通常需要从多个监测台站记录的地震波形中拾取震相到达时刻,并结合介质传播速度模型或走时关系反演震源位置;基于极化分析的定位方法则利用三分量地震波形的质点运动特征估计震源相对于监测台站的方向,并根据多个监测台站的方向信息确定震源位置。
3、然而,与天然地震相比,落石地震信号的震源过程更加复杂。落石在运动过程中可能发生多次碰撞、滚动和滑动,不同作用过程产生的波列在时间上容易相互叠加;同时,山区浅表介质通常具有较强的非均质性,信号传播过程中还会受到散射、衰减和场地效应等影响,使实际监测波形容易表现出震相混叠、初至缓发和波形形态变化明显等特征。在上述条件下,精确震相到时难以稳定获取,基于单一到时信息或单一极化信息的定位结果容易受到波形质量、传播条件和台站布设方式的影响。
4、随着机器学习和深度学习技术的发展,利用神经网络直接建立多台站地震波形与震源空间位置之间的映射关系,为降低定位过程对人工震相拾取的依赖提供了新的技术途径。但是,监督式定位模型通常需要较大规模且具有准确震源位置标签的训练样本。落石事件具有随机性和偶发性,在野外监测条件下同步获得准确的落石位置、发生时刻及多台站地震记录存在一定困难,导致高质量实测定位样本数量有限。虽然可以利用数值模拟方式构建补充样本,但合成信号与真实监测信号在震源过程、传播环境和背景噪声等方面仍可能存在差异,单纯依赖原始波形进行数据驱动学习时,模型容易受到训练样本数量和数据域差异的影响。
5、另一方面,落石地震波形中包含与震源空间位置有关的多类物理信息。例如,三分量波形的偏振特征能够反映波场传播方向,波形振幅及其衰减特征与震源至监测台站之间的距离和传播条件有关,频谱变化也能够反映不同传播过程和信号特征。然而,现有直接基于原始波形的智能定位方法通常主要依赖网络自行提取特征,难以保证所学习的表征能够稳定对应于震源方位、传播距离和振幅衰减等具有明确物理意义的信息。
6、此外,多台站落石定位不仅与各监测台站记录的波形特征有关,还与监测台站之间的空间几何关系密切相关。不同落石事件中可参与定位的有效监测台站数量还可能因台站故障、信号质量变化或监测条件不同而发生变化。若仅按照固定顺序对多个监测台站的波形特征进行拼接,难以显式描述不同台站之间的相对距离和方向关系,也不利于适应有效监测台站数量变化的实际应用场景。
7、因此,如何在落石地震信号震相混叠、实测定位样本有限以及多台站监测条件变化的情况下,充分利用三分量地震波形中与震源方位、传播距离和振幅衰减相关的物理信息,并结合多个监测台站之间的空间几何关系,引导定位模型从原始地震波形中学习与震源空间位置相关的稳定特征,在降低对精确震相拾取依赖的同时提高落石震源定位的可靠性,是落石地震监测中需要解决的技术问题。
技术实现思路
1、本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于物理属性引导的多台站落石地震信号定位方法,解决了落石地震信号震相混叠、初至不明显条件下传统定位方法对精确震相拾取依赖较强,以及实测定位样本有限条件下单纯依赖原始波形的数据驱动定位模型难以稳定学习震源空间信息的问题。同时,通过引入多个监测台站之间的相对空间几何关系,实现多台站波形信息与台站空间信息的联合表征,为复杂监测条件下落石地震信号的震源定位提供技术支撑。
2、本发明解决其技术问题所采用的技术方案是:
3、本发明提供一种基于物理属性引导的多台站落石地震信号定位方法,包括以下步骤:
4、s1,获取落石地震信号定位训练样本,所述定位训练样本包括同一落石事件对应的多个监测台站的三分量地震波形、各监测台站的位置以及落石震源位置标签;
5、s2,针对各监测台站的三分量地震波形计算多类物理属性时间序列,将所述物理属性时间序列输入物理属性表征提取网络,获得各监测台站对应的方位相关物理属性表征和振幅衰减相关物理属性表征;
6、s3,对各监测台站的三分量地震波形分别进行幅值保真归一化和形状敏感归一化,将幅值保真归一化后和形状敏感归一化后的三分量地震波形分别输入对应的波形编码分支,获得各监测台站的幅值路径特征和形状路径特征;
7、s4,根据所述形状路径特征生成方位相关学生表征,根据所述幅值路径特征生成振幅衰减相关学生表征,并以所述方位相关物理属性表征和所述振幅衰减相关物理属性表征作为教师表征,对相应的学生表征施加蒸馏约束;
8、s5,根据所述形状路径特征和所述方位相关学生表征生成方位引导门控系数,根据所述幅值路径特征和所述振幅衰减相关学生表征生成振幅衰减引导门控系数,利用相应门控系数将所述学生表征融合至对应的波形路径特征,形成各监测台站的物理属性引导特征;
9、s6,将各监测台站作为图节点,将所述物理属性引导特征与对应监测台站的位置融合形成节点特征,并根据监测台站之间的相对空间关系构建边属性,形成监测台站图;
10、s7,通过边感知图消息传递对所述监测台站图中的节点特征进行更新,对更新后的多台站节点特征进行图级特征汇聚,获得落石事件的图级特征,并根据所述图级特征预测落石震源二维位置;
11、s8,根据预测的落石震源二维位置与所述落石震源位置标签之间的定位损失,以及所述教师表征与相应学生表征之间的蒸馏损失,对所述波形编码分支和基于监测台站图的定位网络进行联合训练,获得训练完成的落石地震信号定位网络;
12、s9,获取待定位落石事件对应的多台站三分量地震波形和监测台站位置,并输入训练完成的落石地震信号定位网络,获得所述待定位落石事件的震源位置。
13、进一步地,本发明的所述多类物理属性时间序列包括偏振属性、振幅衰减属性和频谱属性;
14、所述偏振属性包括直线性、平面性和倾角;
15、所述振幅衰减属性包括均方根、平方偏差和、信噪比和前后时窗能量比;
16、所述频谱属性包括频谱质心;
17、所述物理属性时间序列通过沿三分量地震波形的时间方向设置滑动时间窗并逐时间位置计算对应物理属性获得。
18、进一步地,本发明的所述物理属性表征提取网络包括物理属性分组编码模块、时序特征融合模块和物理属性表征投影模块;
19、所述物理属性分组编码模块分别对所述偏振属性、振幅衰减属性和频谱属性进行时序特征编码;
20、所述时序特征融合模块对各组物理属性的编码结果进行融合,并通过时间卷积和注意力机制提取多类物理属性之间的共享时序特征;
21、所述物理属性表征投影模块包括方位相关表征投影分支、振幅衰减相关表征投影分支和域不变表征投影分支,分别根据所述共享时序特征生成方位相关物理属性表征、振幅衰减相关物理属性表征和域不变表征。
22、进一步地,本发明的所述物理属性表征提取网络的训练包括:
23、根据落石震源相对于各监测台站的方位信息,对所述方位相关物理属性表征施加方位监督约束;
24、根据落石震源与各监测台站之间的距离信息以及振幅衰减相关物理量,对所述振幅衰减相关物理属性表征施加距离和振幅衰减监督约束;
25、根据合成落石地震信号与真实落石地震信号的数据域类别,对所述域不变表征施加域对抗约束;
26、对所述方位相关物理属性表征、振幅衰减相关物理属性表征和域不变表征施加表征解耦约束,以降低不同物理信息之间的特征耦合;
27、其中,用于引导所述落石地震信号定位网络训练的教师表征由所述方位相关物理属性表征和所述振幅衰减相关物理属性表征构成。
28、进一步地,本发明的所述幅值保真归一化和形状敏感归一化包括:
29、对各监测台站的三分量地震波形分别进行去均值处理;
30、对同一落石事件对应的全部监测台站三分量地震波形采用共享幅值尺度进行归一化,得到幅值保真归一化波形,以保留不同监测台站之间的相对振幅差异;
31、针对每个监测台站的三分量地震波形采用该监测台站内部共享的幅值尺度进行归一化,得到形状敏感归一化波形,以降低不同监测台站之间绝对振幅差异对波形形态特征提取的影响;
32、所述波形编码分支包括幅值路径波形编码分支和形状路径波形编码分支;
33、所述幅值路径波形编码分支以所述幅值保真归一化波形作为输入,用于提取与台站间相对振幅及传播衰减相关的幅值路径特征;
34、所述形状路径波形编码分支以所述形状敏感归一化波形作为输入,用于提取与单台站三分量波形形态相关的形状路径特征;
35、所述幅值路径波形编码分支和形状路径波形编码分支分别包括多尺度一维卷积模块、时间卷积模块、双向循环特征提取模块和时间注意力汇聚模块,以将对应的三分量地震波形编码为台站级波形特征。
36、进一步地,本发明的所述蒸馏约束和门控融合包括:
37、根据所述形状路径特征生成方位相关学生表征,使所述方位相关学生表征与所述方位相关物理属性表征进行特征对齐;
38、根据所述幅值路径特征生成振幅衰减相关学生表征,使所述振幅衰减相关学生表征与所述振幅衰减相关物理属性表征进行特征对齐;
39、根据所述形状路径特征与所述方位相关学生表征生成方位引导门控系数,并根据所述方位引导门控系数调节所述方位相关学生表征对形状路径特征的增强程度;
40、根据所述幅值路径特征与所述振幅衰减相关学生表征生成振幅衰减引导门控系数,并根据所述振幅衰减引导门控系数调节所述振幅衰减相关学生表征对幅值路径特征的增强程度;
41、将经增强后的形状路径特征和幅值路径特征进行融合,获得对应监测台站的物理属性引导特征。
42、进一步地,本发明的所述监测台站图以有效监测台站作为图节点,并在监测台站之间建立边连接;
43、对于任意两个监测台站,根据两个监测台站的位置计算相对空间关系,所述边属性至少包括横向坐标差、纵向坐标差、台站间距离和相对方位角;
44、将所述物理属性引导特征与对应监测台站的位置融合后作为图节点的初始节点特征。
45、进一步地,本发明的所述边感知图消息传递包括:
46、根据接收节点特征、发送节点特征以及所述接收节点与发送节点之间的边属性生成节点间消息;
47、根据所述接收节点特征、发送节点特征和边属性计算发送节点相对于接收节点的注意力权重;
48、根据所述注意力权重对各发送节点对应的节点间消息进行加权汇聚,并将加权汇聚结果与接收节点的原有节点特征进行残差融合,获得更新后的节点特征;
49、通过一层或多层边感知图消息传递模块对各有效监测台站的节点特征进行更新;
50、对更新后的有效监测台站节点特征分别进行注意力汇聚和最大值汇聚,并将两种汇聚结果融合形成所述落石事件的图级特征。
51、进一步地,本发明当不同落石事件对应的有效监测台站数量不同时,对监测台站数据进行统一数量的填充,并设置有效台站标识以区分有效监测台站和填充节点,使所述填充节点不参与学生表征蒸馏、边感知图消息传递和图级特征汇聚;
52、对于具有三维监测台站坐标的监测区域,根据多个监测台站的三维坐标建立二维等效监测平面,将监测台站三维坐标投影至所述二维等效监测平面,并在所述二维等效监测平面内进行落石震源定位;
53、在获得落石震源二维位置后,根据所述二维等效监测平面与三维空间之间的坐标映射关系,将所述落石震源二维位置映射至三维空间,获得对应的三维空间位置。
54、本发明提供一种基于物理属性引导的多台站落石地震信号定位系统,包括:
55、存储器,用于存储可执行计算机程序;
56、处理器,用于执行存储器中存储的可执行计算机程序时,实现所述的基于物理属性引导的多台站落石地震信号定位方法。
57、本发明产生的有益效果是:
58、1)本发明利用偏振、振幅衰减和频谱等具有明确物理意义的属性建立方位相关和振幅衰减相关物理属性表征,并通过表征蒸馏引导原始波形定位网络学习与震源空间位置有关的信息,有利于降低有限实测样本条件下完全依赖原始波形数据驱动学习造成的定位不稳定性;
59、2)本发明采用幅值保真和形状敏感两条波形处理路径,分别保留多台站之间的相对振幅关系和突出单台站三分量波形形态,并分别与振幅衰减相关学生表征和方位相关学生表征建立对应关系,使不同类型的震源空间信息得到针对性提取;
60、3)本发明采用物理属性教师表征对学生表征进行蒸馏,并结合门控融合机制,根据各监测台站波形特征自适应调节物理属性引导信息的融合程度;定位网络训练完成后无需在线重新计算物理属性,在保留物理属性引导作用的同时维持由原始波形直接完成定位的处理方式;
61、4)本发明将多个监测台站构建为空间图结构,通过台站间坐标差、距离和相对方位角显式描述监测台站之间的空间几何关系,并利用边感知图消息传递实现多台站波形信息和空间几何信息的联合融合,有利于提高多台站空间信息利用的充分性;
62、5)本发明在实际定位阶段直接以多台站三分量地震波形和监测台站位置作为输入,无需将精确震相到时作为定位网络输入,并能够结合有效台站标识适应不同数量监测台站参与定位的实际场景;对于三维监测台站布设条件,还可通过二维等效监测平面实现二维定位结果向三维空间位置的映射。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com