一种基于深度前馈神经网络的微震智能定位方法

本发明公开了一种基于深度前馈神经网络的微震智能定位方法，结合多头自注意力机制和残差模块的深度前馈神经网络模型进行微震事件定位，先采集多个监测点的时空信息作为输入数据，通过计算到时差并重组为特征矩阵，经标准化处理后消除量纲差异；利用多头自注意力机制对时空信息进行子空间拆分，从而在各子空间中分配自注意力权重，获取不同特征维度的关联性；在此基础上，通过残差模块防止梯度消失，进而提取层状波速模型数据中的空间差时规律，对深度前馈神经网络模型进行训练并确保其训练稳定性；最终模型输出层输出预测的震源三维坐标。其具有定位精度高、计算效率快等优势，特别适用于层状波速模型复杂地质环境中的微震事件实时监测与定位。