微震震源智能定位的方法、装置、计算机设备及存储介质

1.本发明涉及一种微震震源智能定位的方法、装置、计算机设备及存储介质，属于震源监测技术领域。


背景技术：

2.微震监测技术是目前矿山地压灾害监测预警的重要手段。通过在监测区域布置多个拾振器实时采集微震信号，在三维空间中确定微震事件的时空信息，由此可以实现对各区域岩体状态的实时监测，从而进行预警信息发布。
3.震源定位方法是微震监测中的核心部分，其定位的效率和精度直接关系着微震监测技术的应用效果。震源定位的求解是指通过已知的各监测台站的空间坐标和拾取的初至波到时，利用定位算法反演出震源的空间坐标、发震时间、波速等属性。目前针对震源定位，国内外学者提出了许多有效的方法。其中，经典的geiger定位方法被广泛应用，但及依赖于初始值的选取，若初值选取不当，定位误差将显著增大；牛顿迭代法有效提高了定位速度，但初始值的选取仍影响其定位结果。双差定位法的定位精度较高，但其算法效率低下。
4.随着计算机技术的高速发展和广泛应用，基于计算机技术的智能定位算法得到广泛发展，其主要思想是利用在寻优空间中随机搜寻全局最优的特性从而进行微震定位。例如：mopso-sa定位算法有效避免了寻优过程中陷入局部极值的问题；基于遗传算法的定位方法，提高了其全局搜索能力；网格搜索法在一定程度上提高了定位精度，但其穷举性的特点导致定位耗时较长；粒子群算法的微震震源分层定位方法，利用粒子群算法有效提高了定位精度，但随着迭代次数的增加，种群的搜索能力随之下降，从而导致算法在迭代后期易陷入局部最优解。


技术实现要素：

5.为了解决上述问题，本发明提出了一种微震震源智能定位的方法、装置、计算机设备及存储介质，能够在较小运算量的前提下，提高了微震震源定位的精度和可靠性。
6.本发明解决其技术问题采取的技术方案是：
7.第一方面，本发明实施例提供的一种微震震源智能定位的方法，包括以下步骤：
8.采集微震震源数据，并进行数据预处理；
9.根据预处理的数据拾取初至波到时；
10.构建微震震源位置的目标函数，采用粒子群算法求解初步的震源位置；
11.根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置。
12.作为本实施例一种可能的实现方式，所述采集微震震源数据，并进行数据预处理，包括：
13.利用安装在微震震源监测区域的拾振器采集微震震源数据；
14.对采集的微震震源数据进行识别、去噪处理。
15.作为本实施例一种可能的实现方式，所述根据预处理的数据拾取初至波到时，包
括：
16.根据预处理的数据，利用随机森林算法拾取初至波到时。
17.作为本实施例一种可能的实现方式，所述目标函数为：
[0018][0019]
其中
[0020][0021][0022][0023]
式中：(x,y,z)为震源位置；(xm,ym,zm)为第m个拾振器的位置；(xu,yu,zu)为第u个拾振器的位置；dm,du分别为拾振器m和拾振器u到震源的距离；v为微震信号在介质中传播的等效速率；δt
mu
为第m个拾振器和第u个拾振器监测p波初至到时之差。
[0024]
作为本实施例一种可能的实现方式，所述构建微震震源位置的目标函数，包括：
[0025]
假设监测区域有n个拾振器，震源位置为(x,y,z)，v为微震信号在介质中传播的等效速率；
[0026]
第i个拾振器计算到时为：
[0027][0028]
第i个拾振器到震源的距离为：
[0029][0030]
式中，t0为发震时刻，(xi,yi,zi)为第i个拾振器的位置坐标；
[0031]
第m个拾振器与第u个拾振器的计算到时差为：
[0032][0033]
第m个拾振器与第u个拾振器的监测到时之差为：
[0034]
δt
mu
＝t
m-tu(4)
[0035]
根据相同震源，第m个拾振器与第u个拾振器的计算到时之差与监测到时之差的拟合误差为：
[0036]
δmu＝δt
mu-δt
mu
(5)
[0037]
由上式中δmu＝0时表示震源定位误差最小，则求取震源位置转化为以下优化问题：
[0038][0039]
通过求解式(6)所示目标函数得出震源位置；
[0040]
当目标函数r等于0或无限接近0时，则表明得到的震源(x,y,z)更加精确。
[0041]
作为本实施例一种可能的实现方式，所述采用粒子群算法求解初步的震源位置，包括：
[0042]
初始化粒子群算法的参数，所述参数包括种群规模n、惯性权重ω、学习因子c1,c2、粒子位置的取值范围xi∈[x
min
,x
max
]、种群粒子速度取值范围v
min
≤vi≤v
max
、最大迭代次数t
max
；
[0043]
计算粒子的适应值：
[0044][0045]
对每个粒子在空间中的飞行速度和位置进行更新：
[0046][0047][0048]
重新计算适应值，更新粒子的个体最优适应值和位置及群体历史最优适应值和位置；
[0049]
当最优解的范围控制在一个较小的范围时，结束粒子群算法，输出最优解，得出初步的震源位置。
[0050]
作为本实施例一种可能的实现方式，所述根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置，包括：
[0051]
已知拾振器的坐标分别为：(x1,y1,z1),(x2,y2,z2)...(xn,yn,zn)，各拾振器到震源对应距离为d1,d2,d3...dn；
[0052]
设第1个拾振器到震源的距离为：
[0053][0054]
第2个拾振器到震源的距离为:
[0055][0056]
第n个拾振器到震源的距离为：
[0057][0058]
对距离进行平方运算得：
[0059][0060]
对以上方程中相邻两方程做差,得到以下方程组：
[0061][0062]
此方程组的矩阵表示形式为：
[0063]
ax＝b(15)
[0064]
其中：
[0065][0066][0067][0068]
设置误差向量为ε＝ax-b,求误差平方和，则有：
[0069]
e＝|ε|2＝ε
t
ε＝(ax-b)
t
(ax-b)(19)
[0070]
当上式为0或无限接近0时，则表明求得的较为准确，即为精确的震源位置。
[0071]
第二方面，本发明实施例提供的一种微震震源智能定位的系统，包括：
[0072]
数据采集模块，用于采集微震震源数据，并进行数据预处理；
[0073]
初至波到时拾取模块，用于根据预处理的数据拾取初至波到时；
[0074]
初步震源位置求解模块，用于构建微震震源位置的目标函数，采用粒子群算法求解初步的震源位置；
[0075]
精确震源位置求解模块，用于根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置。
[0076]
第三方面，本发明实施例提供的一种计算机设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述任意微震震源智能定位的方法的步骤。
[0077]
第四方面，本发明实施例提供的一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述任意微震震源智能定位的方法的步骤。
[0078]
本发明实施例的技术方案可以具有的有益效果如下：
[0079]
本发明首先对监测到的微震信号进行识别处理，拾取初至到时，将相邻两传感器的监测到时之差与计算到时之差的残差平方和的最小值作为目标函数，利用粒子群-最小二乘混合算法求出微震震源的准确位置，与已有的传统粒子群算法相比，在保证算法定位效率的基础上其算法效率明显提升；本发明先利用粒子群算法较好的全局搜索能力获取一个定位初值，然后将该定位初值作为最小二乘法的初始迭代值，进行非线性拟合从而达到精确定位，避免了最小二乘法因初始值选取不当而导致误差过大的缺点，而且最小二乘法还具有计算简单、无需反复迭代的优点，使得该混合算法兼顾了定位精度和计算效率。
[0080]
本发明利用最小二乘法易实现、计算简单且快速的特点有效降低了粒子群算法的迭代次数，使整个计算过程更加高效，同时避免了因粒子群算法陷入局部最优而导致定位结果误差太大的问题，满足了高效、高精度的定位需求，本发明实现了在较小运算量的前提下，提高了定位的精度和可靠性。
附图说明
[0081]
图1是根据一示例性实施例示出的一种微震震源智能定位的方法的流程图；
[0082]
图2是根据一示例性实施例示出的一种微震震源智能定位的系统的结构示意图；
[0083]
图3是根据一示例性实施例示出的一种采用本发明所述系统进行微震震源智能定位的具体流程图；
[0084]
图4是根据一示例性实施例示出的一种微震监测场景平面示意图；
[0085]
图5是根据一示例性实施例示出的一种爆破信号图。
具体实施方式
[0086]
下面结合附图与实施例对本发明做进一步说明：
[0087]
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
[0088]
如图1所示，本发明实施例提供的一种微震震源智能定位的方法，包括以下步骤：
[0089]
采集微震震源数据，并进行数据预处理；
[0090]
根据预处理的数据拾取初至波到时；
[0091]
构建微震震源位置的目标函数，采用粒子群算法求解初步的震源位置；
[0092]
根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置。
[0093]
本发明对监测到的微震信号进行识别处理，拾取初至到时，将相邻两传感器的监测到时之差与计算到时之差的残差平方和的最小值作为目标函数，利用粒子群-最小二乘混合算法求出微震震源的准确位置。
[0094]
作为本实施例一种可能的实现方式，所述采集微震震源数据，并进行数据预处理，包括：
[0095]
利用安装在微震震源监测区域的拾振器采集微震震源数据；
[0096]
对采集的微震震源数据进行识别、去噪处理。
[0097]
作为本实施例一种可能的实现方式，所述根据预处理的数据拾取初至波到时，包括：
[0098]
根据预处理的数据，利用随机森林算法拾取初至波到时。
[0099]
作为本实施例一种可能的实现方式，所述目标函数为：
[0100][0101]
其中
[0102][0103][0104][0105]
式中：(x,y,z)为震源位置；(xm,ym,zm)为第m个拾振器的位置；(xu,yu,zu)为第u个拾振器的位置；dm,du分别为拾振器m和拾振器u到震源的距离；v为微震信号在介质中传播的等效速率；δt
mu
为第m个拾振器和第u个拾振器监测p波初至到时之差。
[0106]
作为本实施例一种可能的实现方式，所述构建微震震源位置的目标函数，包括：
[0107]
假设监测区域有n个拾振器，震源位置为(x,y,z)，v为微震信号在介质中传播的等效速率；
[0108]
第i个拾振器计算到时为：
[0109][0110]
第i个拾振器到震源的距离为：
[0111][0112]
式中，t0为发震时刻，(xi,yi,zi)为第i个拾振器的位置坐标；
[0113]
第m个拾振器与第u个拾振器的计算到时差为：
[0114][0115]
第m个拾振器与第u个拾振器的监测到时之差为：
[0116]
δt
mu
＝t
m-tu(4)
[0117]
根据相同震源，第m个拾振器与第u个拾振器的计算到时之差与监测到时之差的拟合误差为：
[0118]
δmu＝δt
mu-δt
mu
(5)
[0119]
由上式中δmu＝0时表示震源定位误差最小，则求取震源位置转化为以下优化问
题：
[0120][0121]
通过求解式(6)所示目标函数得出震源位置。
[0122]
当目标函数r等于0或无限接近0时，则表明得到的震源(x,y,z)更加精确。
[0123]
作为本实施例一种可能的实现方式，所述采用粒子群算法求解初步的震源位置，包括：
[0124]
初始化粒子群算法的参数，所述参数包括种群规模n、惯性权重ω、学习因子c1,c2、粒子位置的取值范围xi∈[x
min
,x
max
]、种群粒子速度取值范围v
min
≤vi≤v
max
、最大迭代次数t
max
；
[0125]
计算粒子的适应值：
[0126][0127]
对每个粒子在空间中的飞行速度和位置进行更新：
[0128][0129][0130]
重新计算适应值，更新粒子的个体最优适应值和位置及群体历史最优适应值和位置；
[0131]
当最优解的范围控制在一个较小的范围时，结束粒子群算法，输出最优解，得出初步的震源位置。
[0132]
作为本实施例一种可能的实现方式，所述根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置，包括：
[0133]
已知拾振器的坐标分别为：(x1,y1,z1),(x2,y2,z2)...(xn,yn,zn)，各拾振器到震源对应距离为d1,d2,d3...dn；
[0134]
设第1个拾振器到震源的距离为：
[0135][0136]
第2个拾振器到震源的距离为:
[0137][0138]
第n个拾振器到震源的距离为：
[0139][0140]
对距离进行平方运算得：
[0141][0142]
对以上方程中相邻两方程做差,得到以下方程组：
[0143][0144]
此方程组的矩阵表示形式为：
[0145]
ax＝b(15)
[0146]
其中：
[0147][0148][0149][0150]
设置误差向量为ε＝ax-b,求误差平方和，则有：
[0151]
e＝ε2＝ε
t
ε＝(ax-b)
t
(ax-b)(19)
[0152]
当上式为0或无限接近0时，则表明求得的较为准确，即为精确的震源位置。
[0153]
本发明首先利用粒子群算法较好的全局搜索能力获取一个定位初值，然后将该定位初值作为最小二乘法的初始迭代值，进行非线性拟合从而达到精确定位。本发明将粒子群算法与最小二乘法相结合进行微震震源定位，与已有的传统粒子群算法相比，在保证算法定位效率的基础上其算法效率明显提升；本发明利用粒子群全局寻优的特点提供初步定位结果，利用最小二乘法对该初始结果进行更精确的计算，避免了最小二乘法因初始值选
取不当而导致误差过大的缺点，而且最小二乘法还具有计算简单、无需反复迭代的优点，使得该混合算法兼顾了定位精度和计算效率。
[0154]
如图2所示，本发明实施例提供的一种微震震源智能定位的系统，包括：
[0155]
数据采集模块，用于采集微震震源数据，并进行数据预处理；
[0156]
初至波到时拾取模块，用于根据预处理的数据拾取初至波到时；
[0157]
初步震源位置求解模块，用于构建微震震源位置的目标函数，采用粒子群算法求解初步的震源位置；
[0158]
精确震源位置求解模块，用于根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置。
[0159]
如图3所示，采用本发明所述系统进行微震震源智能定位的具体过程如下。
[0160]
(1)在待监测区域的不同位置设置多个拾振器，将拾振器采集到的微震信号传送到计算机；
[0161]
(2)对监测到的微震信号进行去噪处理，识别有效的微震事件，利用随机森林算法拾取p波初至到时；
[0162]
(3)构建目标函数，利用最优化思想求出满足监测到时与计算到时之差最小时的震源位置等参数；假设监测区域有n个拾振器，震源位置为(x,y,z)，v为微震信号在介质中传播的等效速率。
[0163]
第i个拾振器计算到时为：
[0164][0165]
第i个拾振器到震源的距离为：
[0166][0167]
式中，t0为发震时刻，(xi,yi,zi)为某拾振器位置坐标。
[0168]
第m，u个拾振器计算到时差为：
[0169][0170]
拾振器m和拾振器u监测到时之差为：
[0171]
δt
mu
＝t
m-tu(4)
[0172]
根据相同震源，拾振器m和u的计算到时之差与监测到时之差的拟合误差为：
[0173]
δmu＝δt
mu-δt
mu
(5)
[0174]
由上式中δmu＝0时表示震源定位误差最小，则求取震源位置可以转化为以下优化问题：
[0175][0176]
因此，可以通过求解以上目标函数得出震源位置。当目标函数r等于0或无限接近0时，则表明得到的震源(x,y,z)更加精确。
[0177]
(4)对微震震源位置的目标函数进行求解，具体方法如下：
[0178]
①
根据拾振器的坐标位置、发震位置，确定粒子群内的粒子数量，粒子的位置信息
及粒子的速度范围。初始化粒子群算法的参数，种群规模n＝200，惯性权重ω
max
＝1.2,ω
min
＝0.2，学习因子c1＝c2＝2；初始化种群中每个粒子的位置xi∈[x
min
,x
max
]，使得其位于监测台站所包围的空间内，最大迭代次数t
max
＝500。
[0179]
②
计算当前每个粒子的适应值：
[0180][0181]
③
对每个粒子在空间中的飞行速度和位置进行更新：
[0182][0183][0184]
④
更新粒子的个体最优适应值和位置及群体历史最优适应值和位置。
[0185]
⑤
当最优解的范围控制在一个较小的范围时，结束粒子群算法，输出最优解。
[0186]
⑥
将粒子群算法得到的最优解作为最小二乘法的初始值，进行精准定位，利用最小化误差平方的思想来搜寻数据最佳匹配结果。
[0187]
已知拾振器的坐标分别为：(x1,y1,z1),(x2,y2,z2)...(xn,yn,zn)，各拾振器到震源对应距离为d1,d2,d3...dn。
[0188]
设第1个拾振器到震源的距离为：
[0189][0190]
第2个拾振器到震源的距离为:
[0191][0192]
第n个拾振器到震源的距离为：
[0193][0194]
对距离进行平方运算得：
[0195][0196]
对以上方程中相邻两方程做差，第一个方程减去第二个方程
…
第n-1个方程减去第n个方程,得到以下方程组：
[0197][0198]
此方程组的矩阵表示形式为：
[0199]
ax＝b(15)
[0200]
其中：
[0201][0202][0203][0204]
设置误差向量为ε＝ax-b,求误差平方和，则有：
[0205]
e＝|ε|2＝ε
t
ε＝(ax-b)
t
(ax-b)(19)
[0206]
当上式为0或无限接近0时，则表明求得的较为准确。
[0207]
⑦
判断是否满足终止条件，若满足结束算法，输出最终的最优解即震源位置；若不满足，则返回步骤
③
继续迭代，直到满足终止条件。
[0208]
下面结合具体实施例进一步说明本发明的技术方案。
[0209]
某金矿井下巷道布置了16个拾振器，布置情况如图4所示。为验证本发明的有效性，选取已知位置(4684707.643,40466480.188,-76.226)的人工爆破点为定位对象进行研究，作业过程共有10个拾振器检测到有效微震信号如图5所示，p波的速度设置为3970m/s，拾震器坐标及其拾取p波的初至到时见表1。
[0210]
表1：拾震器坐标及其拾取p波的初至到时
[0211][0212][0213]
首先构建目标函数式(6)，然后按照本发明算法进行优化，具体如下：
[0214]
(1)根据拾振器的坐标位置、发震位置，确定粒子群内的粒子数量，粒子的位置信息及粒子的速度范围。初始化粒子群算法的参数，种群规模n＝200，惯性权重ω
max
＝1.2,ω
min
＝0.2，学习因子c1＝c2＝2，初始化种群中每个粒子的位置xi∈[x
min
,x
max
]，使得其位于监测台站所包围的空间内，最大迭代次数t
max
＝500；
[0215]
(2)计算当前每个粒子的适应值；
[0216]
(3)对每个粒子在空间中的飞行速度和位置进行更新；
[0217]
(4)更新粒子的个体最优适应值和位置及群体历史最优适应值和位置。
[0218]
(5)当最优解的范围控制在一个较小的范围时，结束粒子群算法，输出最优解；
[0219]
(6)将粒子群算法得到的最优解作为最小二乘法的初始值，进行精准定位；
[0220]
(7)判断是否满足终止条件，若满足，结束算法，输出最终的最优解即震源位置；若不满足，则返回步骤(3)继续迭代，直到满足终止条件。
[0221]
根据表1给出的数据，求解震源定位位置，求解得到的定位误差如表2所示。
[0222]
表2：震源定位位置及误差
[0223]
[0224][0225]
由表2可知，本发明所述算法能更精准的获取震源位置，经验证本算法运行时间比传统的粒子群算法时间短。因此本发明在保证定位精度的基础上提高了定位效率，这也体现了混合算法的优越性。
[0226]
以上具体实施例说明，相较于传统的粒子群法，该混合算法求解震源位置、等效波速和发震时间更具有优势，其收敛速度快、定位精度高、不易陷入局部最优解。这是因为本发明能够较为准确地拟合各拾振器位置及时差之间的关系，首先采用粒子群算法，在减小解空间大小的同时为最小二乘法提供了一个较为可靠的初始值，降低了最小二乘法对初始值选取的敏感性，利用最小二乘法的快速迭代的特性，加快了模型的收敛速度，避免了因粒子群算法陷入局部最优解而造成误差太大的问题，满足了高精度、高效率的定位要求。
[0227]
本发明实施例提供的一种计算机设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述装置运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述任意微震震源智能定位的方法的步骤。
[0228]
具体地，上述存储器和处理器能够为通用的存储器和处理器，这里不做具体限定，当处理器运行存储器存储的计算机程序时，能够执行上述微震震源智能定位的方法。
[0229]
本领域技术人员可以理解，所述计算机设备的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。
[0230]
在一些实施例中，该计算机设备还可以包括触摸屏可用于显示图形用户界面(例如，应用程序的启动界面)和接收用户针对图形用户界面的操作(例如，针对应用程序的启动操作)。具体的触摸屏可包括显示面板和触控面板。其中显示面板可以采用lcd(liquid crystal display，液晶显示器)、oled(organic light-emitting diode,有机发光二极管)等形式来配置。触控面板可收集用户在其上或附近的接触或者非接触操作，并生成预先设定的操作指令，例如，用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作。另外，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位、姿势，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成处理器能够处理的信息，再送给处理器，并能接收处理器发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板，也可以采用未来发展的任何技术实现触控面板。进一步的，触控面板可覆盖显示面板，用户可以根据显示面板显示的图形用户界面，在
显示面板上覆盖的触控面板上或者附近进行操作，触控面板检测到在其上或附近的操作后，传送给处理器以确定用户输入，随后处理器响应于用户输入在显示面板上提供相应的视觉输出。另外，触控面板与显示面板可以作为两个独立的部件来实现也可以集成而来实现。
[0231]
对应于上述应用程序的启动方法，本发明实施例还提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述任意微震震源智能定位的方法的步骤。
[0232]
本技术实施例所提供的应用程序的启动装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本技术实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
[0233]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0234]
在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0235]
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0236]
另外，在本技术提供的实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
[0237]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0238]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0239]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0240]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种微震震源智能定位的方法，其特征在于，包括以下步骤：采集微震震源数据，并进行数据预处理；根据预处理的数据拾取初至波到时；构建微震震源位置的目标函数，采用粒子群算法求解初步的震源位置；根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置。2.根据权利要求1所述的微震震源智能定位的方法，其特征在于，所述采集微震震源数据，并进行数据预处理，包括：利用安装在微震震源监测区域的拾振器采集微震震源数据；对采集的微震震源数据进行识别、去噪处理。3.根据权利要求1所述的微震震源智能定位的方法，其特征在于，所述根据预处理的数据拾取初至波到时，包括：根据预处理的数据，利用随机森林算法拾取初至波到时。4.根据权利要求1所述的微震震源智能定位的方法，其特征在于，所述目标函数为：其中其中其中式中：(x,y,z)为震源位置；(x
m
,y
m
,z
m
)为第m个拾振器的位置；(x
u
,y
u
,z
u
)为第u个拾振器的位置；d
m
,d
u
分别为拾振器m和拾振器u到震源的距离；v为微震信号在介质中传播的等效速率；δt
mu
为第m个拾振器和第u个拾振器监测p波初至到时之差。5.根据权利要求1所述的微震震源智能定位的方法，其特征在于，所述构建微震震源位置的目标函数，包括：假设监测区域有n个拾振器，震源位置为(x,y,z)，v为微震信号在介质中传播的等效速率；第i个拾振器计算到时为：第i个拾振器到震源的距离为：式中，t0为发震时刻，(x
i
,y
i
,z
i
)为第i个拾振器的位置坐标；第m个拾振器与第u个拾振器的计算到时差为：
第m个拾振器与第u个拾振器的监测到时之差为：δt
mu
＝t
m-t
u
(4)根据相同震源，第m个拾振器与第u个拾振器的计算到时之差与监测到时之差的拟合误差为：δmu＝δt
mu-δt
mu
(5)由上式中δmu＝0时表示震源定位误差最小，则求取震源位置转化为以下优化问题：通过求解式(6)所示目标函数得出震源位置；当目标函数r等于0或无限接近0时，则表明得到的震源(x,y,z)更加精确。6.根据权利要求4或5所述的微震震源智能定位的方法，其特征在于，所述采用粒子群算法求解初步的震源位置，包括：初始化粒子群算法的参数，所述参数包括种群规模n、惯性权重ω、学习因子c1,c2、粒子位置的取值范围x
i
∈[x
min
,x
max
]、种群粒子速度取值范围v
min
≤v
i
≤v
max
、最大迭代次数t
max
；计算粒子的适应值：对每个粒子在空间中的飞行速度和位置进行更新：对每个粒子在空间中的飞行速度和位置进行更新：重新计算适应值，更新粒子的个体最优适应值和位置及群体历史最优适应值和位置；当最优解的范围控制在一个较小的范围时，结束粒子群算法，输出最优解，得出初步的震源位置。7.根据权利要求6所述的微震震源智能定位的方法，其特征在于，所述根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置，包括：已知拾振器的坐标分别为：(x1,y1,z1),(x2,y2,z2)...(x
n
,y
n
,z
n
)，各拾振器到震源对应距离为d1,d2,d3...d
n
；设第1个拾振器到震源的距离为：第2个拾振器到震源的距离为:第n个拾振器到震源的距离为：对距离进行平方运算得
对以上方程中相邻两方程做差,得到以下方程组：此方程组的矩阵表示形式为：ax＝b(15)其中：其中：其中：设置误差向量为ε＝ax-b,求误差平方和，则有：e＝|ε|2＝ε
t
ε＝(ax-b)
t
(ax-b)(19)当上式为0或无限接近0时，则表明求得的较为准确，即为精确的震源位置。8.一种微震震源智能定位的系统，其特征在于，包括：数据采集模块，用于采集微震震源数据，并进行数据预处理；初至波到时拾取模块，用于根据预处理的数据拾取初至波到时；初步震源位置求解模块，用于构建微震震源位置的目标函数，采用粒子群算法求解初步的震源位置；精确震源位置求解模块，用于根据初步的震源位置作为最小二乘法的初始值，求解精
确的震源位置。9.一种计算机设备，其特征在于，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1-7任一所述的微震震源智能定位的方法的步骤。10.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-7任一所述的微震震源智能定位的方法的步骤。

技术总结
本发明公开了一种微震震源智能定位的方法、装置、计算机设备及存储介质，所述方法包括以下步骤：采集微震震源数据，并进行数据预处理；根据预处理的数据拾取初至波到时；构建微震震源位置的目标函数，采用粒子群算法求解初步的震源位置；根据初步的震源位置作为最小二乘法的初始值，求解精确的震源位置。本发明利用最小二乘法易实现、计算简单且快速的特点有效降低了粒子群算法的迭代次数，使整个计算过程更加高效，同时避免了因粒子群算法陷入局部最优而导致定位结果误差太大的问题，满足了高效、高精度的定位需求，本发明实现了在较小运算量的前提下，提高了定位的精度和可靠性。提高了定位的精度和可靠性。提高了定位的精度和可靠性。


技术研发人员：胡宾鑫 王文悦 朱峰 张华 宋广东 王纪强
受保护的技术使用者：山东省科学院激光研究所
技术研发日：2023.05.12
技术公布日：2023/8/14