申请/专利权人：中国矿业大学

申请日：2023-01-16

公开（公告）日：2024-01-23

公开（公告）号：CN115963548B

主分类号：G01V1/28

分类号：G01V1/28;G01V1/30;G06F17/10

优先权：

专利状态码：有效-授权

法律状态：2024.01.23#授权;2023.05.02#实质审查的生效;2023.04.14#公开

摘要：本发明公开了一种基于反绎学习的矿井微震P波到时拾取模型构建方法，使用未标记的矿山微震数据集，进入地震深度神经网络模型训练，通过逻辑推理中的反绎学习结构，利用知识库中的专家知识，对模型进行更新，最终获得基于反绎学习的矿山微震P波到时拾取模型，利用最终结果模型对数据进行筛选，替换不符合知识库的台站数据，最终将选出的数据作为矿井微震P波到时拾取的数据，进一步提升模型对矿井微震相位拾取的正确率。本发明克服了现有地震识别模型不适用于矿井环境的缺点，解决了矿山微震波噪声大的问题，在有限的且未标记的数据集基础上，提升了模型准确度，鲁棒性强。

主权项：1.一种基于反绎学习的矿井微震P波到时拾取模型构建方法，其特征在于，具体步骤为：步骤一、从矿井中采集的未标记矿震数据形成数据集，并将数据集输入地震深度神经网络模型进行训练，得到每个数据的标波结果，该结果正确率未知，称为标波伪结果；步骤二、设定阈值A，将步骤一获得的每个数据标波伪结果均与专家知识方法获得的结果进行比较，若步骤一得到的其中一个数据标波点与专家知识得到的标波点差值绝对值大于阈值A，则以专家知识标波点为准，重新在数据集中进行标记，通过此反绎学习过程，得到该数据的反绎标记，若步骤一得到的其中一个数据标波点与专家知识得到的标波点差值绝对值小于等于阈值A，则保留步骤一获得的该数据标波点；完成一次处理后，将反绎标记数据和保留的数据形成新的数据集；步骤三、将步骤二中新的数据集再次输入地震深度神经网络模型中进行训练，输出结果后再重复步骤二的过程，并对模型参数进行更新；步骤四、持续循环步骤三的过程，直到某次输出的各个数据标波点与专家知识得到的标波点差值均小于等于阈值A时，即数据的伪标记与反绎后的标记一致，或者机器学习模型不再更新，则停止循环，形成最终的数据集和最终的矿井微震标波模型；步骤五、设定阈值B，将步骤四的最终数据集输入由步骤四反绎学习得到的最终矿井微震标波模型，输出结果和专家知识方法获得的结果进行比对，若其中一个数据标波点与专家知识得到的标波点差值绝对值大于阈值B，则将该数据剔除，若其中一个数据标波点与专家知识得到的标波点差值绝对值小于等于阈值B，则将该数据保留，最后采用保留的数据作为矿井微震P波到时拾取的数据。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种基于反绎学习的矿井微震P波到时拾取模型构建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD