一种微震或声发射异常到时的确定方法与流程

本发明涉一种微震或声发射异常到时的确定方法。

技术背景

微震及声发射技术广泛应用于采矿过程及地下施工过程中的监测领域，为地下工程的进行提供安全信息。在微震及声发射定位过程中，传感器会接收到一些异常的到时信息，这些信息如果直接用来进行微震及声发射定位，将会对定位结果产生极大的误差。因此，如何识别这些异常的到时数据并进行排除，在微震及声发射定位技术中意义重大。

在微震及声发射异常到时确定方法领域中，该微震或声发射异常到时的确定方法利用Logistic概率分布函数，从概率学的角度保证所得异常到时的准确性，具有精确度高，易于实现等优点。

技术实现要素：

本发明的目的是提出一种微震或声发射异常到时的确定方法，该微震或声发射异常到时识别方法特点在于很好地利用Logistic概率分布函数获得异常到时对应的异常定位结果，具有易于实现、准确度高等优点，在微震及声发射定位技术中能够得到广泛应用。

为解决上述技术问题，本发明的解决方案如下：一种微震或声发射异常到时的确定方法，包括以下步骤：

步骤一：数据的初步处理

在微震或声发射试验中，所布置的n个传感器能够获得n个到时信息，根据试验条件的不同，对到时数据进行不同的处理。

(1)若波速已知，则对于触发传感器数量n超过4的微震或声发射事件，选取4个到时数据作为一组，可获得组到时数据。

(2)若波速未知，则对于触发传感器数量n超过5的微震或声发射事件，选取5个到时数据作为一组，可获得组到时数据。

步骤二：到时数据的定位处理

对步骤一的m组到时数据利用共轭梯度法或麦夸特法中的一种方法求得m组微震源或声发射源坐标。

步骤三：拟合Logistic概率分布函数

用Logistic概率分布函数拟合m组微震或声发射定位结果，分别求得关于x、y、z的Logistic概率分布函数F_x、F_y、F_z。Logistic概率分布函数的基本形式为：

$F_x=\frac{1}{1+e^{-\frac{x-\mathrm{\μ}}{s}}};F_y=\frac{1}{1+e^{-\frac{y-\mathrm{\μ}}{s}}};F_z=\frac{1}{1+e^{-\frac{z-\mathrm{\μ}}{s}}};$

其中，μ为变量x的平均值，s为与变量x的标准差σ相关的尺度参数，且x，y，z分别为微震源或声发射源坐标的x值、y值、z值。

步骤四：异常到时的确定

求出概率分布函数F_x、F_y，F_z＜0.005时的解，并在m组定位结果中找出满足解的定位结果，称为异常定位结果，这些异常定位结果所对应的到时数据中即包含异常到时数据。

本发明的原理为：本发明对微震或声发射试验所得n个到时数据，首先根据波速的已知情况获得初始定位结果：若波速已知，则对于触发传感器数量n超过4的微震或声发射事件，选取4个到时数据作为一组，可获得组到时数据；若波速未知，则对于触发传感器数量n超过5的微震或声发射事件，选取5个到时数据作为一组，可获得组到时数据。对m组到时数据进行定位处理并拟合得到Logistic概率分布函数，根据概率分布函数求取异常定位结果，异常定位结果所对应的到时数据即包含了异常到时数据。

相对于现有技术，本发明的有益效果为：本发明很好地利用概率分布的精确性，从一系列定位结果中能够准确地确定异常定位结果，从而确定异常到时，具有很高的可靠性和准确性。

附图说明

图1是本发明方法步骤流程图。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明：

实施例1：

假定某次声发射试验系统有9个传感器分布于正方体的表面上，取各传感器坐标A(0，0，0)，B(1000，0，0)，C(1000，1000，0)，D(0，1000，0)，E(500，0，1000)，F(1000，500，1000)，G(500，1000，1000)，H(0，500，1000)，I(500，1000，500)，单位均为m。试验中测得某点S处产生的声发射信号到达上述传感器的时刻分别为201.5115ms、225.7467ms、208.7300ms、182.2370ms、125.8130ms、141.5600ms、91.8270ms、83.3900ms、87.6800ms，波速未知。

以本例对微震或声发射异常到时的确定方法进行详细说明。具体实施步骤如下：

(1)由于该系统波速未知，故需要5个到时数据进行定位，传感器数量为9个，可以得到组到时数据。

(2)对126组到时数据利用共轭梯度法或麦夸特法中的一种方法求得m组或声发射源坐标。结果如表1所示。

表1 126组定位结果

(3)对所有的126组定位结果用Logistic概率分布函数进行拟合，分别求得关于x、y、z的Logistic概率分布函数F_x、F_y、F_z。Logistic概率分布函数的基本形式为：

$F_x=\frac{1}{1+e^{-\frac{x-\mathrm{\μ}}{s}}}$

对于以x为变量的Logistic概率分布函数，其拟合结果为：

$F_x=\frac{1}{1+e^{-\frac{x-333.79}{0.028}}}$

同理，对于以y、z为变量的Logistic概率分布函数，其拟合分别结果为：

$F_y=\frac{1}{1+e^{-\frac{y-613.51}{0.037}}}$

$F_z=\frac{1}{1+e^{-\frac{z-779.59}{0.49}}}$

(4)求出概率分布函数F_x、F_y、F_z＜0.005时的解，并在m个定位结果中找出满足解的定位结果，称为异常定位结果，这些异常定位结果所对应的到时数据中即包含异常到时数据。

可以求得x的解为：x<144.74，满足条件的异常定位结果为第41组和第84组，所用的传感器数据分别为ABDFH和EFGHI，均用到传感器F和传感器H的到时数据。

y的解为：y<470.45，满足条件的异常定位结果为第12组，所用的传感器数据为ACEFH的到时数据。

z的解为：z<769.10，满足条件的异常定位结果及对应的到时数据为：

第2组(ACDFI)；第3组(ABCDF)；第9组(ABCDI)

第22组(ACFGH)；第23组(ABCFI)；第32组(ADEFH)

第34组(ADEFI)；第43组(ABDFI)；第46组(ADFHI)

第50组(AEFGH)；第54组(AEFHI)；第55组(ABEFI)

第72组(BCDFI)；第81组(ACDFH)；第82组(BCEFH)

第84组(EFGHI)；第94组(CDEFI)；第95组(BCFHI)

第101组(BDEFH)；第103组(BDEFI)；第110组(CEFGH)

第114组(CEFHI)；第11组5(BDFHI)；第119组(BEFGH)

第123组(BEFHI)；第120组(DEFGH)；第124组(DEFHI)

综上，可以看出所有异常定位结果均用到传感器F的到时数据。由此可以确定传感器F的到时数据即为异常到时。