[发明专利]基于随机森林的微震初至波到时自动拾取方法及系统

说明书

本申请提供的基于随机森林的微震初至波到时自动拾取方法及系统中，通过获取包含微震事件的历史波形数据；从历史波形数据中提取特征属性数据和特征类别数据构成样本数据集T；将样本数据集T随机划分为训练集与验证集，从训练集中有放回随机抽取样本建立N棵决策树，集合所述N颗决策树的预测结果生成随机森林模型；基于随机森林模型，进而判断微震初至波到时。本申请无需设定阈值，只需对每个微震数据特征样本进行特征类别标注，从而减少阈值由经验判断所造成的误差；本申请无需设置特征函数与时窗的长度，从而消除了不同时窗长度对微震初至波到时自动拾取的影响；最终可以提高微震初至波到时拾取的自动性和精确性。

技术领域

本申请涉及微震监测技术领域，尤其涉及一种基于随机森林的微震初至波到时自动拾取方法及系统。

背景技术

微震监测技术已经被广泛的应用于大坝矿山的安全监测、页岩气开采中水力压裂监测等领域，并且取得了许多显著的研究成果；微震监测技术利用微震网络进行现场实时检测，并结合震源定位技术确定微震事件的时空信息及能量，可实现对岩体变形破坏活动范围、稳定性及发展趋势做出科学的定性、定量评价。

微震事件发生时，布置在地下的检波器开始接收信号，而检波器最先接收到的有效微震波为“初至波”，精确拾取初至波到时则是震源定位的关键环节。能量比值法是目前使用较多的初至波自动识别方法。该方法原理是在微震数据上，微震波初至的时间为一个分界点，初至时间之前是噪音，之后是噪音和微震信号混合信号，而在初至时间前后时窗内能量特征有很大的差异，当其前后时窗能量比值在某一时刻超过设定的阈值时，则可判定此时刻为初至波到时。具体实现方式为选定一个时窗，把时窗分为长时窗和短时窗，根据特征函数的不同，其LTA(信号长时窗平均值)与STA(信号短时窗平均值)可表示为：

然而，可以看出上述方案中需要人为的设置时窗或阈值，而阈值是由经验设定的，无法适应于不同的场合，特别当深部岩体微弱地震波信号达到传感器时，其能量与噪声相当，漏检问题愈加严重；在选取时窗长度时，长度若选的太小，时窗属性特征则会由于局部采样数据点的值而受到影响，拾取结果的稳定性变差，若选的太大，又会忽略到真正的微震波。因此在计算时人为设置时窗或阈值，降低了微震数据处理的自动性和精确性。

发明内容

本申请提供了一种基于随机森林的微震初至波到时自动拾取方法及系统，以解决微震初至波到时拾取的自动性和精确性不足的技术问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

本申请提供的一种基于随机森林的微震初至波到时自动拾取方法，包括：

获取包含微震事件的历史波形数据；

从所述历史波形数据中提取特征属性数据和特征类别数据，所述特征属性数据和特征类别数据构成样本数据集T，所述样本数据集T包括训练集和验证集；

从所述训练集中有放回地随机抽取数据建立N棵决策树，对每棵决策树从所述M个特征属性中随机抽取m((m≤M))个特征属性，在m个属性中根据基尼系数最小原则选出最优属性进行内部节点分裂，直至所述基尼系数为0；

集合所述N颗决策树的预测结果生成随机森林模型；

根据所述验证集对所述随机森林模型进行参数调整得到优化随机森林模型；

将当前包含微震事件的测试数据集输入所述优化随机森林模型，输出每个测试样本采样点对应的被分到每一类标签的概率；

当所述概率大于0.5时，判定为微震波；当所述概率小于0.5时，判定为非微震波；

提取第一个所述概率大于或等于0.5的数据点，此时为微震初至波到时。

可选的，其特征在于，所述训练集和验证集占所述样本数据集T的比例分别为70％和30％。