一种基于震源参数的微震与爆破事件识别方法与流程

技术特征：

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：

$Y_E=C_0+\underset{i=1}{\overset{n=6}{\Σ}}{C}_i{X}_i$

$Y_B=B_0+\underset{i=1}{\overset{n=6}{\Σ}}{B}_i{X}_i$

其中Y_E为微震事件判别式的因变量，Y_B为爆破事件判别式的因变量，式中，X_i，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，C_i为在微震事件判别式中对应于X_i的最优系数，B₀爆破事件判别式中的常数项，B_i为在爆破事件判别式中对应于X_i的最优系数；C₀、C_i、B₀和B_i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X_i取值，代入所述的微震事件与爆破事件的判别式，计算得到Y_E和Y_B；若Y_E大于或等于Y_B，则说明该待识别事件为微震事件，否则若Y_E小于Y_B，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E_S/E_P，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M_m；

(2)对步骤(1)中获取的参数E_S/E_P、M、SSD和DSD分别取对数，求得结果为log E_S/E_P、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：

$f\left(x_i\right)=\left\{\begin{array}{cc}\frac{{\left(1+kz\right)}^{-1-1/k}}{\mathrm{\σ}{\[1+{\left(1+kz\right)}^{-1/k}\]}^2},& k\≠0\\ \frac{e^{-z}}{\mathrm{\σ}{\left(1+e^{-z}\right)}^2},& k=0\end{array}\right.---\left(1\right)$

式中，z＝(x_i-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 E_S/E_P、logM、logSSD、logDSD、M_m和Δt分别作为x_i(i＝1,2,3,4,5,6)带入式(1)中，得出相应计算结果f(x_i)；

(5)构建微震与爆破事件的判别式：

$Y_E=C_0+\underset{i=1}{\overset{n=6}{\Σ}}{C}_i{X}_i$

$Y_B=B_0+\underset{i=1}{\overset{n=6}{\Σ}}{B}_i{X}_i$

令f(x_i)＝X_i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、C_i、B₀和B_i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E_S/E_P，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M_m；

(2)对步骤(1)中获取的参数E_S/E_P、M、SSD和DSD分别取对数，求得结果为log E_S/E_P、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：

$f\left(x_i\right)=\left\{\begin{array}{cc}\frac{{\left(1+kz\right)}^{-1-1/k}}{\mathrm{\σ}{\[1+{\left(1+kz\right)}^{-1/k}\]}^2},& k\≠0\\ \frac{e^{-z}}{\mathrm{\σ}{\left(1+e^{-z}\right)}^2},& k=0\end{array}\right.---\left(1\right)$

式中，z＝(x_i-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 E_S/E_P、logM、logSSD、logDSD、M_m和Δt分别作为x_i(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(x_i)；

(5)计算识别结果：

令f(x_i)＝X_i代入以下判别式，计算得到Y_E和Y_B；

$Y_E=C_0+\underset{i=1}{\overset{n=6}{\Σ}}{C}_i{X}_i$

$Y_B=B_0+\underset{i=1}{\overset{n=6}{\Σ}}{B}_i{X}_i$

若Y_E大于或等于Y_B，则说明该待识别事件为微震事件，否则若Y_E小于Y_B，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。