姜福興，尹永明，朱權(quán)潔，李舒霞，于正興

(1.北京科技大學(xué) 土木與環(huán)境工程學(xué)院，北京 100083；2.北京華夏建龍礦業(yè)科技有限公司，北京 100070；3.中國安全生產(chǎn)科學(xué)研究院，北京 100012)

單事件多通道微震波形的特征提取與聯(lián)合識別研究

姜福興1，尹永明1，朱權(quán)潔1，李舒霞2，于正興3

(1.北京科技大學(xué) 土木與環(huán)境工程學(xué)院，北京 100083；2.北京華夏建龍礦業(yè)科技有限公司，北京 100070；3.中國安全生產(chǎn)科學(xué)研究院，北京 100012)

通過對礦山現(xiàn)場數(shù)據(jù)的處理分析，提出一種基于微震單事件的多通道聯(lián)合識別方法，建立了“初步判斷”、“聯(lián)合識別”及“優(yōu)化判斷”的微震波形識別機制。對礦山微地震信號進行濾波等預(yù)處理，采用經(jīng)典STA/LTA算法拾取波形的到時與終時，截取整個信號中的有效部分，并進行波形校正；建立波形的頻譜特征(f)、時長(L)、振幅特征(A)、振幅分布(AD)、門限閾值特征(TS)及互相關(guān)特征(R)的定量描述方法，并求取相應(yīng)的特征值；分層次對有效巖石破裂波形進行有效性判斷與識別，優(yōu)化選取最終定位通道。以山東某礦的一次微震事件為例對該方法進行了驗證研究。結(jié)果表明，該方法能夠有效提取波形的特征，并能實現(xiàn)對單事件多通道波形電磁干擾、底部噪聲等的快速分類識別，識別精度滿足現(xiàn)場應(yīng)用需求。

微震；多通道識別；波形特征；特征提取；STA/LTA

礦山環(huán)境復(fù)雜，產(chǎn)生微震動的因素眾多，微震監(jiān)測系統(tǒng)采集到的波形包含大量無效信號，諸如機械振動、電磁干擾、底部噪聲、爆破震動等。此外，礦山微地震事件從發(fā)生、傳播，到觸發(fā)拾震傳感器，后經(jīng)由井下環(huán)網(wǎng)傳輸至地表，在此過程中由于傳播介質(zhì)的不連續(xù)性、傳輸過程干擾等因素的影響，會引起微震波傳播的異常[1]，甚至產(chǎn)生漂移和畸變。這些干擾信號和異常情況的存在，大大增加了人工定位操作的工作量，為自動定位帶來難度。

微震波形的自動分類識別是實現(xiàn)微震自動定位、提高定位精度與速率的重要因素之一。通過準(zhǔn)確有效地識別出有效礦山微震波形，可以剔除大量的無用的干擾信號，為最終的自動定位奠定基礎(chǔ)。

目前，在地震、石油領(lǐng)域已有許多卓有成效的研究。在地震領(lǐng)域，波形識別主要是針對天然地震和人為地震，人為地震包括爆炸、核爆等震動。自20世紀(jì)50年代以來，國內(nèi)外針對天然地震與人為地震的識別開展了大量實踐工作，進行了廣泛深入的研究。和雪松、李世愚提出利用小波包分析方法提取天然地震與礦震特征指標(biāo)[2]。劉希強通過小波變換求取天然地震、爆破以及塌方災(zāi)害的小波能量，并利用不同類別波形能量的線性度特征對其進行識別[3]。DargahiNoubary利用非平穩(wěn)隨機模型建立了識別地下核爆與天然地震的確定模型。在建立二維識別模型的同時，構(gòu)建二次識別方法[4]。魏福勝等[5]利用地震波形相似性的定量描述，計算了20個較小震級地震事件的波形相關(guān)系數(shù)，揭示了各事件之間的關(guān)聯(lián)因素和內(nèi)在聯(lián)系。黃漢明、邊銀菊等通過對天然地震和人工爆破事件波形記錄的研究，提取出能量比、香農(nóng)熵以及對數(shù)能量熵3種特征，并利用v-SVC支持向量分類機對二者進行了分類識別，結(jié)果表明，香農(nóng)熵特征的識別效果最好[6]。

在石油領(lǐng)域，Jeffrey F.Tan等[7]對Alberta省Cold Lake地區(qū)頁巖氣開發(fā)過程中的微震事件進行了研究，提取了微震事件的頻域特征、時長特征以及統(tǒng)計特征，構(gòu)建了基于主成分分析法的微震事件分類識別模型，分類效果良好，準(zhǔn)確率高達90%～95%。

關(guān)于礦山微震波形識別的研究目前還處于發(fā)展階段。張少泉、李世愚等提出了沖擊地壓與天然地震之間的判別問題，并指出礦山震動的識別，需要以礦山地震學(xué)理論為基礎(chǔ)，建立相應(yīng)的行之有效的判據(jù)進行判別[8]。朱權(quán)潔等通過尋求微震波形的小波包能量特征[9]、分形特征，組建了相應(yīng)的特征向量，并利用SVM網(wǎng)絡(luò)識別出機械振動波形、爆破波形和巖石破裂波形[10]。

前人在礦山微震波形特征提取、識別方法等方面做了許多前瞻性工作。與上述研究不同，針對礦山單事件多通道波形，提出共震源波形概念，并建立初步識別、聯(lián)合識別以及優(yōu)化判斷三步驟的識別體系，為礦山微震波形的分類識別提供了一種新的思路。

1 單通道多事件識別方法的提出

1.1 問題的提出

礦山微地震發(fā)生時，通常會引起多個傳感器的觸發(fā)，這些傳感器所對應(yīng)的通道將會采集并存儲相應(yīng)的波形數(shù)據(jù)。將這樣由一個微震事件引起的，多個通道觸發(fā)采集得到的波形，稱之為單事件多通道波形，性狀相同的波形稱為共震源波形。

共震源波形在波形特征上具有大量共有信息，互相關(guān)性強。與不同震源波形相比，在回采工作面小范圍區(qū)域內(nèi)，共震源點所產(chǎn)生的多通道波形具有傳播路徑相近，記錄儀器相同等特點。因此，采用單事件多通道波形進行波形識別存在可行性。利用單事件多通道間的波形數(shù)據(jù)能夠有效減小地震波在傳播過程和線纜傳輸、采集過程中的差異所帶來的計算誤差，突出共同震源的效應(yīng)，提高波形識別的可靠性和精度。

將有效波形從干擾信號中提取出來，是波形識別的主要目的。對于單事件多通道觸發(fā)波形而言，干擾波形主要包括：底部噪聲、電磁干擾兩類。圖1為3類典型單事件多通道波形。與有效波形相比，3類波形具有不同特點。底部噪聲是隨機噪聲，有設(shè)備噪聲、環(huán)境噪聲等，其特點為振幅不大，無明顯起伏；電磁干擾(電脈沖)信號是隨機產(chǎn)生的電干擾，在形狀上，與巖石破裂波形相似。

圖1 三類典型單事件多通道觸發(fā)波形Fig.1 Three types of single microseismic signal classification

常規(guī)方法通常使用肉眼觀察或單一特征進行判別，這樣識別的效率較低，且誤差率大。通過提取波形的特征，建立相應(yīng)的識別體系，可以實現(xiàn)自動、快速分類識別。

1.2 識別體系的構(gòu)建

單事件多通道波形識別包括以下兩部分工作：其一，波形分類識別，能夠有效提取出用于定位的有效波形，提高微震定位的速度與效率；其二，波形識別可以辨識出“形似”的干擾波形，減小異常波形帶來的誤差。具體流程可分為3部分：初步判斷、聯(lián)合識別以及優(yōu)化處理。波形特征，主要選取了時長、頻率、振幅、AD特征、TS特征、相關(guān)系數(shù)等。波形優(yōu)化判斷則主要考慮到時-振幅關(guān)系、時距差等特征，如圖2所示。

圖2 礦山微震單事件多通道波形識別流程Fig.2 Recognition of multi-channel waves responded toa single MS event

多通道聯(lián)合識別的規(guī)則主要有以下幾條：① 多通道波形主要包括電磁干擾、底部噪聲、機械諧波3種干擾波形；② 根據(jù)電磁干擾波形的50 Hz及其倍頻特性，利用時頻分析可以有效剔除電磁干擾波形；③ 底部噪聲的統(tǒng)計特性較為明顯；④ 波形特征正常，但到時異常，利用多通道判斷進行優(yōu)化。主要包括互相關(guān)系數(shù)、波形有效性判斷兩類標(biāo)準(zhǔn)。

1.3 現(xiàn)場數(shù)據(jù)

本文將著重于對單事件多通道波形的聯(lián)合識別方法進行研究。以山東某礦某工作面超前范圍內(nèi)的一次典型沖擊地壓事件為研究對象，該次事件發(fā)生于2013-02-19T08:00:40，導(dǎo)致上巷超前范圍多棵單體支柱傾倒，聯(lián)巷上端頭近20 m巷道閉合。如圖3所示。微震數(shù)據(jù)由北京科技大學(xué)自主研發(fā)的BMS微震監(jiān)測系統(tǒng)現(xiàn)場采集所得。該系統(tǒng)的監(jiān)測頻率范圍為10～1 000 Hz，單個STA分站標(biāo)配12通道，即12個拾震傳感器。采集參數(shù)為：采樣頻率為1 000，采樣點數(shù)5 000，時長5 s。

通過分析，圖3中1～5，9，11及12號通道波形特征較為明顯，為巖石破裂波形；7，8，10號通道無明顯起伏，為底部噪聲波形；6號通道為典型的電磁干擾信號。下文將通過理論方法對波形進行特征提取，總結(jié)出特征的定量表達，并實現(xiàn)分類識別驗證。

2 地震波形的預(yù)處理

為了求取微震信號的屬性特征，需要對多個通道內(nèi)的波形進行預(yù)處理。包括信號的去噪、初始到時與終止時刻的拾取以及微震波形的校正等操作。

微震信號進行的去噪過程包括3個步驟:去趨勢項及平滑處理以及去噪。該過程在保留微震信號細節(jié)信息的前提條件下，對干擾信號進行壓制[11-12]，以期更清晰地凸顯有效成分。

事件初始到時[13]及終時的拾取采用經(jīng)典的STA/LTA算法(長短時窗能量比法)作為有效事件觸發(fā)條件。目前，在地震領(lǐng)域初始到時的拾取有多種方法，其中，STA/LTA法(長短時窗法)應(yīng)用較為廣泛[14-15]。STA/LTA法計算公式可表述為

(1)

式中，xi為i時刻微震波振幅值；l為長窗口的長度;s為短窗口的長度；k為時窗向前移動的長度；n為窗口當(dāng)前所在位置；λ為特征函數(shù)，其取值取決于信噪比的大小，視現(xiàn)場情況而定。

初始到時拾取的閾值設(shè)置為1.5；波形終止時刻的閾值設(shè)置為0.8。時窗大小的選取直接影響著觸發(fā)結(jié)果[16]，此處設(shè)定，短時窗100 ms，長時窗400 ms，參與計算求解。圖4為采用該方法獲取的起跳、終止時刻。

為便于波形的對比觀察，對各通道內(nèi)波形進行校正，使各觸發(fā)通道內(nèi)的相位一致，并截取整個信號中的有效波形部分。截取有效波形部分，主要是考慮整個波形中包含大量干擾信息，降低了共震源信號的相關(guān)性，截取出有效部分能更合理、有效地對比波形間的相互關(guān)聯(lián)，使分析更具針對性。

3 波形特征的提取與識別

按初步判斷、聯(lián)合識別以及優(yōu)化處理的3個步驟對上述數(shù)據(jù)進行分析。

3.1 波形的初步判斷

波形的初步判斷主要從常規(guī)特征(頻率f、振幅A、波長L)和統(tǒng)計特征(門限閾值統(tǒng)計TS、振幅分布統(tǒng)計AD)5個特征進行考慮。

圖3 煤礦典型沖擊地壓事件的單事件多通道展示Fig.3 The typical rock burst events in coal mine

圖4 長短時窗能量比法觸發(fā)示意Fig.4 Triggering using STA/LTA method

3.1.1常規(guī)特征

時頻分析是地震信號分析的主要方法之一，是刻畫數(shù)字化地震波非平穩(wěn)特性的有效方法。采用短時傅里葉變換算法(STFT)對微震信號進行頻譜特征分析。在快速傅里葉變換的基礎(chǔ)上，STFT法克服了非平穩(wěn)信號分析中交叉項的干擾，是分析非平穩(wěn)信號的有力工具，其數(shù)學(xué)形式為

其中，x(t)為信號本身；r(t)為分析窗函數(shù)；STFT(t,f)既是時間t的函數(shù)，又是頻率f的函數(shù)。

對微震信號進行短時傅里葉變化，尋求兩者間的頻率f分布特征。圖5為電磁干擾、巖石破裂事件的時頻譜圖，二者在時域、頻域上的特征得以體現(xiàn)。

假定利用長短時窗能量比法拾取到的初始到時為Tstart，終止時刻為Tend，則計算可求得微震波形的波長。此處，微震波持續(xù)時長L(ms)的計算公式為

(3)

微震波形衰減后，波形會相對變形，但其時長應(yīng)在一定范圍內(nèi)。通過上式可以計算出微震時長，從而獲得波形的時長特征，表1中為各通道波形的常規(guī)特征。

3.1.2統(tǒng)計特征

信號的統(tǒng)計特征可以從統(tǒng)計學(xué)角度對信號進行分析。引入門限閾值、振幅分布統(tǒng)計特征，分別從波形的采樣數(shù)比、振幅分布角度進行分析。

(1)門限閾值統(tǒng)計(TS)。

門限閾值統(tǒng)計特征TS為時窗外采樣點數(shù)與總采樣點數(shù)的比值。如圖6所示，紅色窗口為設(shè)定門限。TS可定義為

圖5 典型微震波形時頻譜圖Fig.5 Time-frequency spectrum of typical MS signals

表1 各通道波形的時頻特征Table 1 The time-frequency characteristic of microseismic signals

圖6 振幅門限統(tǒng)計特征Fig.6 The threshold statistical characteristics of amplitude

(4)

式中，N為信號的總采樣點數(shù)；NS為時窗口外采樣點數(shù)。

設(shè)定時窗的上下限a，b，以a，b建立時窗，統(tǒng)計時窗外采樣點的數(shù)量，并計算統(tǒng)計值TS。

(2)振幅分布(AD)統(tǒng)計。

振幅分布統(tǒng)計能夠顯示采樣點的分布區(qū)間，從而反映出波形曲線的振幅分布情況。假設(shè)隨機信號的時間序列x(t)，其波峰為Amax，波谷為Amin，以橫向長條時窗c覆蓋波形，統(tǒng)計每個時窗內(nèi)采樣點點數(shù)n，則有

(5)

式中，[]為取整，n為大于|Amax-Amin|/c的最小整數(shù)。

設(shè)序號為i的窗口區(qū)間內(nèi)的采樣點數(shù)為Ni，則振幅分布統(tǒng)計特征AD可表述為

(6)

通過計算求得上述12個通道內(nèi)波形的統(tǒng)計分析特征，見表2。

表2微震波形的統(tǒng)計特征
Table2Thestatisticcharacteristicofmicroseismicsignal

測點TSAD測點TSAD113 9035 60751 520 32213 1649 84836 100 08316 147 88911 226 22416 0241 061051 140 06512 4021 881110 6410 94611 080 541210 448 10

從表2可以看出，統(tǒng)計特征受信噪比影響較大，當(dāng)信噪比較低時，其值呈減小趨勢。但基本能反映出不同類型波形的不同特征。

3.2 多通道的聯(lián)合識別

單事件觸發(fā)的共震源波形在波形特征上具有大量共有信息，互相關(guān)性強，采用相關(guān)系數(shù)可以進行有效識別。相關(guān)系數(shù)可以反映兩個變量之間線性關(guān)系的密切程度。該方法在地震領(lǐng)域主要用于判斷兩道地震信號的相關(guān)程度[5]。

設(shè)x為到時最小通道波形，xi為該波形第i個采樣點的振幅值，則有，任意通道內(nèi)波形y與x的相關(guān)性表述為

(7)

兩類信號相關(guān)與否的判據(jù)為：當(dāng)|R|=1時，稱為完全線性相關(guān)；當(dāng)|R|=0時，稱為無線性相關(guān)；|R|越接近1，線性相關(guān)越大。

以有效巖石破裂事件為例進行互相關(guān)性分析。對事件進行預(yù)處理后，以初時起跳點為起點，向后截取固定長度波形(以P波為研究對象，時長過大，則波形中可能疊加S波，影響互相關(guān)計算)，求取兩段波形的互相關(guān)系數(shù)。如圖7所示為相關(guān)系數(shù)為0.65的兩段有效波形。

由于相關(guān)系數(shù)受干擾影響較大，因此，|R|的取值在不同背景干擾中不同，該值與觀測次數(shù)或采樣點n等因素有關(guān)。

通過式(7)，對該次事件進行了相關(guān)性計算，各波形間的相關(guān)性系數(shù)見表3(底部噪聲任意截取一段參與互相關(guān)計算)。

圖7 兩巖石破裂波形的相關(guān)性分析(R=0.65)Fig.7 Correlation coefficient between two MS waveforms(R=0.65)

表3 單事件多通道波形的互相關(guān)系數(shù)(R)Table 3 Cross-correlation coefficient(R) of the waveforms

3.3 有效波形的選擇與優(yōu)化

上述方法主要針對不同類型波形的識別。但現(xiàn)場監(jiān)測結(jié)果發(fā)現(xiàn)，微震波傳播會出現(xiàn)很多異常情況[1]，波形性狀符合有效微震事件，但傳播異常的波形。多通道波形的聯(lián)合識別需要對這樣的波形進行剔除，以保證定位的精度。

微震波符合波動傳播規(guī)律，傳播距離越遠，微震波經(jīng)歷的路徑越長，其衰減越大，因此，到時越大，振幅值應(yīng)該越小。針對上述異常波形應(yīng)進行兩部分判斷：① “到時-振幅”判斷。到時與振幅呈反比關(guān)系，到時越小，則振幅越大(根據(jù)需要選擇)；② “到時對比”判斷。若任意兩檢波器的距離已知為S，則兩點到震源點的距離之差應(yīng)不大于S。

假設(shè)有編號為i，j的兩傳感器，兩者間的間距為Sij，v為微震波的波速。設(shè)波速一定，距離不變，則有，通道有效與否的判斷標(biāo)準(zhǔn)為

(8)

其中，k為常數(shù)；t為到時。振幅A與到時t平方的倒數(shù)呈反比關(guān)系。

4 數(shù)據(jù)分析與應(yīng)用

4.1 波形識別與判斷

利用Matlab編制相應(yīng)的分類識別模塊，對上述波形的進行分析，以提取出相應(yīng)的特征指標(biāo)，并提取出3類波形的相關(guān)特征。

通過上述分析可得，底部噪聲由于其起跳幅度不大，波長特性不明顯，門限閾值統(tǒng)計TS較低，分別為0.08%，0.06%，AD為36.10%，51.14%，頻率f散布0～30 Hz，在10 Hz有明顯上升，相關(guān)系數(shù)較低；電磁干擾信號的波長較長，約有400 ms，振幅比同比增加，但頻率特征顯著，固定于50 Hz及其倍頻，相關(guān)系數(shù)大部分低于0.09；巖石破裂信號的波長在500～1 100 ms范圍，頻率散布45～165 Hz，在90 Hz表現(xiàn)的較為集中，統(tǒng)計特征TS約為15%，AD在10%～40%范圍，互相關(guān)系數(shù)較高，分布于0.20～0.45，最高達到0.43。

兩兩通道進行互相關(guān)系數(shù)求解，其分布曲線如圖8所示，其中YB，YG，GR分別表示巖石破裂信號之間、有效波形與干擾波形、干擾波形之間的相關(guān)系數(shù)。

圖8 各通道波形的互相關(guān)系數(shù)分布Fig.8 The correlation coefficient distribution of all channels

從波形的相關(guān)性特征來看，1，2，3，4，5，9，11和12號通道波形相關(guān)系數(shù)較高，表明這幾個通道存在一定的關(guān)聯(lián)性。事實上，這幾個通道的觸發(fā)都是由一次事件引起的，即共震源事件。而8和10通道與其他通道之間的關(guān)聯(lián)系數(shù)較低，主要分布與0.02～0.14之間。這主要由兩方面因素影響所致：① 信號為其他類型，其特征與巖石破裂事件的特征成非線性，沒有直接聯(lián)系；② 有效信號被背景干擾所淹沒，因此，波形本身特征不明顯，或被削弱。7號通道波形則完全淹沒在背景噪聲之中，但與有效事件波形相關(guān)性相對較高。由于相關(guān)性受背景噪聲影響較大，因此，與其他起跳清晰的波形相比，他們特征將會呈現(xiàn)不同結(jié)果。6號通道為典型電磁干擾，存在一定的相關(guān)性。3類波形特征的詳細對比情況見表4。

表4多通道微地震波形特征聯(lián)合比較
Table4ContrastinganalysisofthreetypesMSwaves

類別特征f/HzL/msTS/%AD/%|R|電磁干擾5039911 080 54<0 09巖石破裂45～165500～110010～176～500 20～0 45底部噪聲<3035～56<0 1<0 14

注:R為該類別波形與巖石破裂有效波形聯(lián)合計算所得。

單因素識別并不能完全對上述信號進行分類，利用多因素的聯(lián)合識別機制，可以初步實現(xiàn)對上述波形的分類。通過上述分析可得，利用f,L,TS,AD,R可以有效剔除底部噪聲波形；主頻與相關(guān)系數(shù)則可以有效判別巖石破裂波形與電磁干擾波形。因此，可以判斷1，2，3，4，5，9，11及12號通道波形為典型的共震源波形(巖石破裂波形)；8，10號通道為底部噪聲；6號通道為典型的電磁干擾波形；7號通道為干擾波形，但包含有效波形成分，不同于8，10號通道。

4.2 波形優(yōu)化選擇

有效波形的優(yōu)化選擇關(guān)系到最終的定位精度，這也是多通道波形識別的一個重要方面[17]。

(1)“到時-振幅”判斷。

利用“到時-振幅”特征對1，2，3，4，5，9，11和12號通道8個波形進行判斷。圖9為各通道到時、終時以及振幅的關(guān)系曲線。其中，11號通道振幅為5 464.9 mV，到時也較大，應(yīng)為異常事件。

圖9 到時、終時及振幅關(guān)系曲線Fig.9 Relationship of first arrival time and amplitude values

(2)“到時對比”判斷。

針對工作面小范圍內(nèi)的實時監(jiān)控，BMS監(jiān)測系統(tǒng)的傳感器一般布置于回采工作面的皮帶巷與軌道巷內(nèi)，距切眼30 m，按50 m間距順序布置，每條巷道布置6個。各通道波形的到時、終時以及振幅值見表5?，F(xiàn)場校驗炮求出波速v=3.7 m/s。已知各測點坐標(biāo)，由此可以計算不同檢波器之間的空間距離Sij。

表5各通道波形的到時、終時及振幅值
Table5Thefirstarrivaltimeandamplitudevaluesofallchannels

測點到時/ms終時/ms振幅/mV測點到時/ms終時/ms振幅/mV153415735641 85497137210472 2257814342918 9958113012459 8358413882025 71160111445464 9462415891237 11260314152118 9

根據(jù)1號、4號兩檢波器坐標(biāo)，求得二者距離約為195.9 m，按現(xiàn)場波速3.7 m/ms計算，二者到時差最大約為53 ms，實測為90 ms。同理計算4，5號通道，最大約為93 ms，實測為127 ms。因此，判斷4號應(yīng)為誤差點。

通過上述分析，確立最終參與定位的通道為1，2，3，5，9和12號共6個通道波形。

4.3 結(jié)果與討論

利用這幾個通道進行定位計算，定位結(jié)果較所有通道參與定位計算有所提高，滿足現(xiàn)場應(yīng)用需求。

通過上述方法的分析可以看出:① 多特征的聯(lián)合識別，考慮波形常規(guī)特征(頻率f、振幅A、波長L)和統(tǒng)計特征(門限閾值統(tǒng)計TS、振幅分布統(tǒng)計AD)等各方面的特性，可以克服單一特征的低識別率，提高識別的準(zhǔn)確度。② 波形的優(yōu)化選擇，可以減小誤差點所帶來的計算誤差，從而達到優(yōu)化定位精度的目的。

應(yīng)用上述方法，實現(xiàn)了波形特征的定量化描述，剔除干擾事件和異常事件，為實現(xiàn)波形自動化分類識別打下基礎(chǔ)。通過編制相應(yīng)的應(yīng)用軟件，將會大大減少操作人員的工作量，保證微震定位精度，提高了監(jiān)測預(yù)警的應(yīng)急速度。

下一步工作將著重于多事件的聯(lián)合識別與礦山微震波形自動識別系統(tǒng)的構(gòu)建。

5 結(jié) 論

(1)微震波形識別是實現(xiàn)礦山微震自動定位的基礎(chǔ)。單事件多通道波形是微震識別的基本數(shù)據(jù)個體，通過提取出單事件中的有效波形，即可用于最終的定位計算。本文提出單事件多通道波形聯(lián)合識別的礦山微震波形識別方法，基于多通道共震源點的特性，建立了常規(guī)特征、互相關(guān)檢驗及有效波形判斷3層識別機制，對多通道波形進行聯(lián)合分層識別。利用上述方法對山東某礦的數(shù)據(jù)進行處理分析，結(jié)果表明，該方法可以對單事件多通道波形進行有效分類識別，識別效果良好。

(2)單一特征很難完整描述微震信號的復(fù)雜特性。從時域、頻域以及統(tǒng)計分析等角度對微震信號進行了分析，分別提取了常規(guī)特征、統(tǒng)計特征和相關(guān)性等特征。底部噪聲起跳幅度不大，門限閾值統(tǒng)計TS低，分別為0.08%，0.06%，AD為36.10%，51.14%，頻率f散布0～30 Hz；電磁干擾信號的波長約為400 ms，頻率特征固定于50 Hz及其倍頻；巖石破裂信號的波長在500～1 100 ms范圍，頻率散布45～165 Hz，統(tǒng)計特征TS約為15%，AD在10%～40%范圍。因此，在識別時可根據(jù)波形識別的難易程度分級識別。

(3)利用相關(guān)系數(shù)可以求解出兩列波形間的線性關(guān)系。通過典型單事件多通道波形的分析，得出巖石破裂波形與干擾波形之間的相關(guān)系數(shù)分布于0.02～0.14，巖石破裂波形間的相關(guān)系數(shù)分布于0.20～0.45。通過設(shè)定閾值界線，可以有效識別出有效波形。

(4)波形的優(yōu)化選擇是波形識別的一部分，直接影響著定位的精度。利用“到時-振幅”和“到時對比”判斷模塊，可以對識別后的波形進行優(yōu)化選擇，剔除傳播介質(zhì)差異大的監(jiān)測通道，優(yōu)化微震定位的精度。

[1] 姜福興，宋廣東，孔令海，等.微地震波在煤礦巖層中的傳播特征研究[J].巖石力學(xué)與工程學(xué)報，2009，28(S1)：2674-2679. Jiang Fuxing,Song Guangdong,Kong Linghai,et al.Research on spread characterstcs of microseismic wave in mine strata[J].Chinese Journal of Rock Mechanics and Engineering,2009,28(S1):2674-2679.

[2] 和雪松，李世愚，沈 萍，等.用小波包識別地震和礦震[J].中國地震，2006，22(4)：425-434. He Xuesong,Li Shiyu,Shen Ping,et al.A wavelet packet approach to wave classification of earthquakes and mining shocks[J].Earthquake Research in China,2006,22(4):425-434.

[3] 劉希強，沈 萍，張 玲，等.用小波變換能量線性度方法識別天然地震與爆破或塌方[J].西北地震學(xué)報，2003，25(3)：204-209. Liu Xiqiang,Shen Ping,Zhang Ling,et al.Using method of energy linearity in wavelet transform to distinguish explosion or collapse from nature earthquake[J].Northwestern Seismological Journal,2003,25(3):204-209.

[4] Dargahi-Noubary G R.Identification of seismic events based on stochastic properties of the short-period records[J].Soil Dynamics and Earthquake Engineering,1998,17:101-115.

[5] 魏福勝，許忠淮，郭祥云.基于波形相關(guān)性的地震事件分類[J].地震地磁觀測與研究，2010，31(3):52-57. Wei Fusheng,Xu Zhonghuai,Guo Xiangyun.Classification of seismic events based on waveform correlation analysis[J].Seismological and Geomagnetic Observation and Research,2010,31(3):52-57.

[6] 黃漢明，邊銀菊，盧世軍，等.天然地震與人工爆破的波形小波特征研究[J].地震學(xué)報，2010，32(3)：270-276. Huang Hanming,Bian Yinju,Lu Shijun,et al.A wavelet feature research on seismic waveforms of earthquakes and explosions[J].Acta Seismologica Sinica,2010,32(3):270-276.

[7] Jeffrey F Tan,Robert R Stewart,Joe Wong.Classification of microsesmic events va principal component analysis of trace statistics[J].CSEG RECORDER,2010(1):34-38.

[8] 張少泉，李世愚，鄒立曄.礦山震動的類型及其判別[A].1995年中國地球物理學(xué)會第十一屆學(xué)術(shù)年會論文集[C].武漢,1995.

[9] 朱權(quán)潔，姜福興，于正興，等.爆破震動與巖石破裂微震信號能量分布特征研究[J].巖石力學(xué)與工程學(xué)報，2012，31(4)：723-730. Zhu Quanjie,Jiang Fuxing,Yu Zhengxing,et al.Study on energy distribution characters about blasting vibration and rock fracture microseismic signal[J].Chinese Journal of Rock Mechanics and Engineering,2012,31(4):723-730.

[10] 朱權(quán)潔，姜福興，尹永明，等.基于小波分形特征與模式識別的礦山微震波形識別研究[J].巖土工程學(xué)報，2012，34(11)：2036-2042. Zhu Quanjie,Jiang Fuxing,Yin Yongming,et al.Classification of mine microseismic events based on wavelet-fractal method and pattern recognition[J].Chinese Journal of Geotechnical Engineering,2012,34(11):2036-2042.

[11] 樊計昌，劉明軍，王夫運，等.小波包節(jié)點域和空間域傾角掃描高階相關(guān)去噪技術(shù)[J].石油地球物理勘探，2009，44(6)：695-699. Fan Jichang,Liu Mingjun,Wang Fuyun,et al.Dip scanning high order correlation denoise technique in wavelet packet node field and space domain[J].OGP,2009,44(6):695-699.

[12] 李夕兵，張義平，左宇軍，等.巖石爆破振動信號的EMD濾波與消噪[J].中南大學(xué)學(xué)報(自然科學(xué)版)，2006，37(1)：150-154. Li Xibing,Zhang Yiping,Zuo Yujun,et al.Filtering and denoising of rock blasting vibration signal with EMD[J].J.Cent.South Univ.(Science and Technology),2006,37(1):150-154.

[13] Allen R.Automatic earthquake recognition and timing from single traces[J].Bulletin of the Seismological Society of America,1978,68:1521-1532.

[14] Ismael Vera Rodriguez.Automatic time-picking of microseismic data combining STA/LTA and the stationary discrete wavelet transform[A].2011 CSPGCSEGCWLS Convention[C].2011:1-4.

[15] 顧漢明，周鴻秋，張學(xué)強.初至?xí)r間的自動拾取[J].物探與化探，1992，16(2)：120-129. Gu Hanming,Zhou Hongqiu,Zhang Xueqiang.Automatic pick of first arrival time[J].Geophysical & Geochemical Exploration,1992,16(2):120-129.

[16] Alessia Maggi,Carl Tape,Min Chen,et al.An automated time-window selection algorithm for seismic tomography[J].Geophys.J.Int.,2009,178:257-281.

[17] 朱權(quán)潔，姜福興，王存文，等.微震波自動拾取與多通道聯(lián)合定位優(yōu)化[J].煤炭學(xué)報，2013，38(3)：397-403. Zhu Quanjie,Jiang Fuxing,Wang Cunwen,et al.Automated microseismic event arrival picking and multi-channel recognition and location[J].Journal of China Coal Society,2013,38(3):397-403.

Featureextractionandclassificationofminingmicroseismicwaveformsviamulti-channelsanalysis

JIANG Fu-xing1,YIN Yong-ming1,ZHU Quan-jie1,LI Shu-xia2,YU Zheng-xing3

(1.SchoolofCivilandEnvironmentalEngineering,UniversityofScienceandTechnologyBeijing,Beijing100083,China;2.BeijingHuaxiaJianlongMiningScience&TechnologyCo.,Ltd.,Beijing100070,China;3.ChinaAcademyofSafetyScienceandTechnology,Beijing100012,China)

In this paper,the author presented a strategy for classifying local multi-channels MS waveform,triggering by a single event.There were three steps to achieve the goal.Firstly,based on STA/LTA method,the first arrival and terminated time had been picked up,using the MS signal preprocessed;secondly,the author extracted the waveform features,time-frequency(L,f),amplitude(A),statistics of amplitude distribution(AD) and threshold algorithm(TS),and correlation coefficient(R);thirdly,before establishing an effective judgment mechanism,this method employed a hierarchical recognition framework with 3 layers,which integrated preliminary judgment,combined recognition and optimizationjudgment.This method was validated through analyzing a coal mine visual event in Shandong Province,and the result shows that it is successfully used to classify electromagnetic interference wave,background noise and MS events.The result can basically meet the requirements of classification accuracy.

microseismic;multi-channel wave recognition;wave feature;feature extraction;STA/LTA

國家重點基礎(chǔ)研究發(fā)展計劃(973)資助項目(2010CB226803)；國家自然科學(xué)基金資助項目(51174016，51274022)

姜福興(1962—)，男，江蘇常州人,教授,博士生導(dǎo)師。通訊作者：朱權(quán)潔(1984—)，男，湖北武漢人，博士。E-mail：youyicun2008@gmail.com

10.13225/j.cnki.jccs.2013.2004

TD326

A

0253-9993(2014)02-0229-09

姜福興，尹永明，朱權(quán)潔，等.單事件多通道微震波形的特征提取與聯(lián)合識別研究[J].煤炭學(xué)報,2014,39(2):229-237.

Jiang Fuxing,Yin Yongming,Zhu Quanjie,et al.Feature extraction and classification of mining microseismicwaveformsviamulti-channelsanalysis[J].Journal of China Coal Society,2014,39(2):229-237.doi:10.13225/j.cnki.jccs.2013.2004