1.一种去除p波初至系统观测误差的声发射事件bayes定位方法,其特征在于,包括以下步骤:
步骤1:采用低通滤波器对声发射信号高频噪音降噪;
步骤2:拾取声发射信号p波初至观测到时;
步骤3:建立基于声发射事件位置和p波初至系统观测误差的理论到时与p波初至观测到时之差的目标函数;
步骤4:构建参数模型与p波初至系统观测误差的bayes定位后验概率密度函数,并利用mcmc对参数模型中的任意参数采样,生成新的参数模型后,计算随机获取的声发射事件的所述bayes定位后验概率密度函数,判断采样更新后的参数模型是否可接受,通过迭代,利用参数模型在迭代稳定期的均值,获得p波初至系统观测误差;
所述参数模型包括的参数为声发射事件位置、发震时刻以及p波初至系统观测误差;
步骤5:对待求的单个声发射事件的p波初至拾取到时加上p波初至系统观测误差,得到校正后的p波初至到时;
步骤6:将校正后的p波初至到时代入参数模型中,生成新的参数模型后,利用mcmc对参数模型中的声发射事件位置、发震时刻采样,计算待求解的单个声发射事件的所述bayes定位后验概率密度函数,判断采样更新后的参数模型是否可接受,通过迭代,利用参数模型在迭代稳定期的均值,定位待求解的单个声发射事件位置。
2.根据权利要求1所述的方法,其特征在于,使用《一种矿山微震信号p波初至时刻联合拾取方法》自动拾取p波初至,并采用人工方法校正拾取不好和无p波初至拾取的信号;
其中,《一种矿山微震信号p波初至时刻联合拾取方法》具体过程如下:提取微震信号波形数据;最大峰度值到时点k1拾取;最小自相关值到时点k2拾取;判定∣k1-k2∣是否大于阈值l,若是则舍弃该段微震信号,反之则输出p波到时k=k2;l取值范围为3-5ms。
3.根据权利要求1所述的方法,其特征在于,所述基于声发射事件位置和p波初至系统观测误差的理论到时与观测到时差的目标函数如下:
其中,i为声发射事件个数,j为传感器编号,
4.根据权利要求1所述的方法,其特征在于,所述基于理论数据与观测数据之差的bayes定位后验概率密度函数:
其中,
5.根据权利要求4所述的方法,其特征在于,由射线理论计算所述bayes定位后验概率密度函数中的第i个声发射事件震源到j号传感器的传播时间
当
其中,u为0~1的均匀分布随机数据,每次迭代时均需重新生成一个u值。
6.根据权利要求1所述的方法,其特征在于,mcmc采样时每次随机更新声发射事件震源位置、发震时刻和p波初至系统观测误差中的一个参数:
当选中的参数为声发射事件震源位置中的一个参数时,更新速度为m*g;当选中的参数为发震时刻或p波初至系统观测误差时,更新速度为n*g;
其中,g指均值为0、方差为1的标准正态分布,m取值范围为1~3mm,n为1us。
7.根据权利要求1所述的方法,其特征在于,取各参数最后5000~10000次迭代的均值作为各参数反演结果。
8.根据权利要求1-7任一项所述的方法,其特征在于,使用matlab导入声发射信号,利用经验模态分解将声发射信号自适应分解为多个模态分量,去除前两个模态分量,实现声发射信号高频噪音降噪。
9.一种去除p波初至系统观测误差的声发射事件bayes定位系统,其特征在于,包括:
声发射信号去噪单元:采用低通滤波器对声发射信号进行去噪;
p波初至时刻拾取单元:用于拾取声发射信号p波初至观测到时;
目标函数构建单元:建立基于声发射事件位置和p波初至系统观测误差的理论到时与p波初至观测到时之差的目标函数;
p波初至系统观测误差获取单元:通过构建参数模型与p波初至系统观测误差的bayes定位后验概率密度函数,并利用mcmc对参数模型中的任意参数采样,生成新的参数模型后,计算随机获取的声发射事件的所述bayes定位后验概率密度函数,判断采样更新后的参数模型是否可接受,通过迭代,利用参数模型在迭代稳定期的均值,获得p波初至系统观测误差;
单个声发射事件校正单元:对待求的单个声发射事件的p波初至拾取到时加上p波初至系统观测误差,得到校正后的p波初至到时;
单个声发射事件定位单元:将校正后的p波初至到时代入参数模型中,生成新的参数模型后,利用mcmc对参数模型中的声发射事件位置、发震时刻采样,计算待求解的单个声发射事件的所述bayes定位后验概率密度函数,判断采样更新后的参数模型是否可接受,通过迭代,利用参数模型在迭代稳定期的均值,定位待求解的单个声发射事件位置。
10.一种可读存储介质,包括计算机程序指令,其特征在于:所述计算机程序指令被处理终端执行时使所述处理终端执行一种去除p波初至系统观测误差的声发射事件bayes定位的方法。