摘要
本发明公开了一种微地震事件智能定位方法及系统,通过联合卷积神经网络和概率密度函数映射实现微地震事件智能定位。包括:依据工区速度模型,通过泊松碟采样和高斯概率密度函数生成表征检波器坐标和震相到时的四维训练数据及表征震源位置的三维标签;设计卷积神经网络结构,通过反向传播优化网络权重,构建微地震事件智能定位模型;将实际数据输入到定位模型获得震源在三维空间上的概率密度分布,最终通过峰值提取输出高精度震源定位结果。本发明创新性地将观测系统融入网络输入,结合卷积神经网络强大的非线性特征提取能力,显著提升了定位模型对不同观测系统的泛化能力,以及对检波器坐标偏差、到时误差的鲁棒性。
技术关键词
智能定位方法
高斯概率密度函数
震源
检波器位置
地震
观测系统
坐标
卷积神经网络模型
上采样
非线性特征提取
卷积神经网络结构
地球物理资料
生成训练数据
解码器
训练集
系统为您推荐了相关专利信息
数值模拟方法
地震
桥梁模型
缩短施工周期
混凝土桥梁
建立特征数据库
机器学习算法
加速度
可读存储介质
参数
面重建方法
地震
DBSCAN算法
裂缝
加权最小二乘法
信号识别方法
地震
综合评价方法
径向基核函数
训练样本集