一种基于深度学习的优化煤矿微震定位的方法

本发明提供了一种基于深度学习的优化煤矿微震定位的方法，属于矿震检测技术领域，所述方法通过将Transformer架构与卷积神经网络相结合，利用卷积神经网络提取空间特征，利用Transformer架构提取时间特征，通过创建数据集、模型构建与训练和预测震源位置区域，构建LocFormer模型，用于煤矿微震事件定位。本发明方法能够准确识别微震事件的区域，并在相同分类中显示出优于其他模型的预测准确率。通过精心选择适当的台站进行二次精确定位，在定位精度和计算时间方面显著优于传统定位算法。在具有足够训练样本的情况下，LocFormer有潜力实现高精度分类，其直接定位误差可达米级。