摘要
本申请公开了一种井中水力压裂微地震定位方法,涉及微地震检测领域。该方法包括利用深度学习数据集训练不确定性感知神经网络,获得震相检测与初至拾取的预训练模型;不确定性感知神经网络以U‑Net为基础框架,在U‑Net中引用蒙特卡洛丢弃策略;根据待测水力压裂井在多个压裂阶段的微地震波形数据,结合模型驱动与数据驱动模式,对预训练模型进行训练、迭代更新,进而获得有效微地震事件和震相初至拾取结果;根据有效微地震事件和震相初至拾取结果,采用基于走时的反演方法对震源进行反演与定位,获得待测水力压裂井的震源位置。本申请可提高井中水力压裂微地震定位的可靠性和水力压裂监测场景的领域适应性。
技术关键词
微地震定位方法
水力压裂
深度学习数据集
模型驱动方法
预训练模型
微地震事件识别
阶段
噪声事件
检波器
反演方法
蒙特卡洛
震源
数据驱动模式
训练样本集
基准
神经网络训练
监测场景
系统为您推荐了相关专利信息
热失控预测
深度学习模型
模型生成方法
门控循环单元
样本
隐写检测方法
分类特征
隐写图像
sigmoid函数
图像分类模型
带式输送机
知识图谱构建方法
命名实体识别
标记器
三元组
通信定位系统
融合北斗
融合处理器
场景分类
5G基站