基于多谱图像融合的浅层震源聚焦定位方法研究

作     者：赵飞飞 

作者单位：中北大学 

学位级别：硕士

导师姓名：韩焱

授予年度：2022年

学科分类：081801[工学-矿产普查与勘探] 081802[工学-地球探测与信息技术] 08[工学] 080203[工学-机械设计及理论] 0818[工学-地质资源与地质工程] 0802[工学-机械工程] 

主      题：浅层定位 能量场重建 信号分解 图像融合 3D-UNet 

摘      要：浅层地震源的定位是浅层地震勘探中的一个热门课题,它在浅层爆炸、工程爆破、煤矿勘探等领域有着广泛的应用。目前浅层定位主要借鉴深层震源定位方法,主要包括以下3种:（1）基于走时定位方法;（2）基于速度位置联合的定位方法;（3）基于逆时偏移的定位方法。由于逆时偏移的定位方法不需要进行走时拾取,直接利用波形的所有信息,且能够在低信噪比条件下的实现定位,是近年的研究热点。然而,与深层地层结构相比较,浅层地层结构复杂,震动波传输信道随时空变化较大,以至于检测到的震动波具有波形复杂、多频率波形混叠与频散严重等特点,直接采用深度震源定位方法和利用全频信号对地下浅层定位,会产生较大定位误差,难以满足地下浅层震源高精度定位的需求。针对上述问题,本文重点研究了利用特征频率聚焦成像与多谱融合的地下浅层震源高精度定位方法。根据震动波在介质传播过程中其频率特征不受传播介质的影响的特点,利用爆炸震动信号的宽频谱特性及高频信号逆时成像具有更好的聚焦特性的优点,本文提出了一种基于主频率成分逆时聚焦成像与基于深度学习的多谱图像融合定位方法,有效提高了地下浅层空间的震源位置精确度。首先,使用变分模态分解（VMD）方式对传感器收集到的信息进行多频主成分分解和提取;之后利用逆时聚焦方法对各模态频率分量进行逆时反演重建,形成三维能量场聚焦图像;最后,利用3D-UNet深度学习模型,并结合注意力机制,进行多谱能量场聚焦图像融合,通过多谱能量场对应系数的自适应调整,生成融合网络模型,并与传统在全频信号下的逆时聚焦、QPSO及神经网络定位进行了对比分析,验证了本文所提方法的有效性。本文通过仿真模拟实验和外场工程试验对所提方法进行了验证。验证结果表明,本文所提出的基于主频率成分逆时聚焦成像与基于深度学习的多谱图像融合定位方法,可有效提高地下浅层震源定位得精确度。在100*100*50m区域范围内进行地下爆炸的外场工程试验中,采用本文方法的RMSE定位误差在0.5 m以内。