[发明专利]一种基于势函数的微地震事件去噪和聚类方法

摘要

本发明公开了一种基于势函数的微地震事件去噪和聚类方法，包括如下步骤：将待聚类微地震事件数据集导入Matlab中；利用势函数计算任意事件i的势值和设定阀值去除噪声微地震事件；根据提出的势值和‑距离法得到聚类中心；以此作为K‑means的初始聚类中心，进而对去噪后微地震事件聚类。该方法有效地去除了定位误差较大的微地震事件，同时降低了K‑means对初始聚类中心要求较高的技术问题。此方法具有势函数多样、去除噪声事件、易于得到全局最优等特点。

主权项

1.一种基于势函数的微地震事件去噪和聚类方法，其特征在于，包括以下步骤：步骤1：将待聚类微地震事件数据集导入Matlab中；将待聚类微地震事件数据集U1导入Matlab中，U1指待聚类微地震事件的属性，每一个微地震事件的属性从微地震事件的三维坐标(Xi,Yi,Zi)、发生时间ti以及震级Mi中选取得到，i表示第i个微地震事件，i＝1,2,…,n，n为待聚类的微地震事件的数目；步骤2：利用势函数计算微地震事件i的势值和其中，表示微地震事件j对微地震事件i作用的势值，x_i,l表示事件i的第l个属性值，x_j,l表示事件j的第l个属性值；p为微地震事件属性维数，取值为2～5，Ω为距离作用因子，取值为以使得势值和的熵取得最小值时对应的Ω；步骤3：设定第一阀值去除噪声微地震事件；将势值和小于第一阀值的微地震事件从U₁中去除，得到去噪后的微地震数据集U₂；步骤4：根据势值和‑距离法获取去噪后的微地震数据集U2的聚类中心；所述势值和‑距离法按照以下准则筛选聚类中心：(1)设定第二阀值将势值和大于的微地震事件作为可能的聚类中心集U₃；其中，和分别为微地震数据集U₂中所有微地震事件的势值和的第一四分位数和中位数；(2)以势值和最大的微地震事件位置作为第一聚类中心点m1；(3)取数据集U3‑m1中与m1距离最远的微地震事件位置作为第二聚类点m2；(4)计算数据集U3‑m1‑m2中每个微地震事件位置与点m1、m2的距离，取每个微地震事件位置与点m1、m2之间的较小距离作为数据集V3，再取V3中最大距离值对应的微地震事件位置作为第三聚类点m3；(5)计算数据集U3去除当前所有聚类点后的每个微地震事件位置与当前各个聚类点之间的距离，取每个微地震事件位置与各聚类点之间的较小距离作为数据集Vk，再取V中最大距离值对应的微地震事件位置作为第k聚类点mk；(6)判断当前聚类点个数是否为K，若是，则得到所有初始聚类中心点，否则，重复(5)，K为设定的聚类中心点数目；步骤5：以步骤4得到的聚类中心点m1,m2,…,mK作为K‑means的初始聚类中心，对去噪后微地震事件聚类，并输出聚类结果。