1.一种基于震源参数的微震与爆破事件识别方法,其特征在于,包括以下步骤:
步骤1:获得微震事件与爆破事件的判别式:
以已确定的N组微震事件与L组爆破事件为样本,获得微震与爆破事件的判别式:
其中YE为微震事件判别式的因变量,YB为爆破事件判别式的因变量,式中,Xi,i=1,2,…,6为6个与典型震源参数相关的值,C0为微震事件判别式中的常数项,Ci为在微震事件判别式中对应于Xi的最优系数,B0爆破事件判别式中的常数项,Bi为在爆破事件判别式中对应于Xi的最优系数;C0、Ci、B0和Bi基于样本辨识得到;N和L为整数,且N,L≥10;
步骤2:对待识别事件进行识别:
计算待识别事件对应的Xi取值,代入所述的微震事件与爆破事件的判别式,计算得到YE和YB;若YE大于或等于YB,则说明该待识别事件为微震事件,否则若YE小于YB,则说明该待识别事件为爆破事件。
2.根据权利要求1所述的基于震源参数的微震与爆破事件识别方法,其特征在于,所述步骤1中,针对每一组微震事件或爆破事件,进行以下操作:
(1)通过微震监测系统获取震源参数;
包括:S波与P波能量之比值ES/EP,地震力矩M,静应力降SSD,动应力降DSD,震源发震时间t以及力矩震级Mm;
(2)对步骤(1)中获取的参数ES/EP、M、SSD和DSD分别取对数,求得结果为log ES/EP、logM、logSSD和logDSD;
(3)处理震源发震时间t;
计算该微震事件或爆破事件对应的震源发震时间t与相邻的前一微震事件或爆破事件对应的震源发震时间t0的时间差Δt=t-t0;
(4)计算概率密度函数值:
概率密度函数表达式如下所示:
式中,z=(xi-μ)/σ;k、σ和μ分别为连续形状参数、连续尺度参数和连续位置参数,根据实际情况通过最小二乘拟合求得;
将上述步骤中所得数据log ES/EP、logM、logSSD、logDSD、Mm和Δt分别作为xi(i=1,2,3,4,5,6)带入式(1)中,得出相应计算结果f(xi);
(5)构建微震与爆破事件的判别式:
令f(xi)=Xi代入上述判别式,统计已确定的N组微震事件与N组爆破事件,根据Bayes判别理论求得判别式中的各参数C0、Ci、B0和Bi的最优值。
3.根据权利要求2所述的基于震源参数的微震与爆破事件识别方法,其特征在于,所述步骤2中,针对待识别事件,进行以下操作:
(1)通过微震监测系统获取震源参数;
包括:S波与P波能量之比值ES/EP,地震力矩M,静应力降SSD,动应力降DSD,震源发震时间t以及力矩震级Mm;
(2)对步骤(1)中获取的参数ES/EP、M、SSD和DSD分别取对数,求得结果为log ES/EP、logM、logSSD和logDSD;
(3)处理震源发震时间t;
计算该微震事件或爆破事件对应的震源发震时间t与相邻的前一微震事件或爆破事件对应的震源发震时间t0的时间差Δt=t-t0;
(4)计算概率密度函数值:
概率密度函数表达式如下所示:
式中,z=(xi-μ)/σ;k、σ和μ分别为连续形状参数、连续尺度参数和连续位置参数,根据实际情况通过最小二乘拟合求得;
将上述步骤中所得数据log ES/EP、logM、logSSD、logDSD、Mm和Δt分别作为xi(i=1,2,3,4,5,6)带入式(1)中,通过最小二乘拟合得到k,σ,μ的值;
得出相应计算结果f(xi);
(5)计算识别结果:
令f(xi)=Xi代入以下判别式,计算得到YE和YB;
若YE大于或等于YB,则说明该待识别事件为微震事件,否则若YE小于YB,则说明该待识别事件为爆破事件。
4.根据权利要求1~3中任一项所述的基于震源参数的微震与爆破事件识别方法,其特征在于,所述步骤1中,N=L,均取值为100。