微震事件的信號識別算法研究及參數(shù)優(yōu)化

摘 要： 微震監(jiān)測系統(tǒng)主要用來監(jiān)測和分析各種生產(chǎn)及開采活動中由巖石破壞所引起的微震。微震監(jiān)測原理與地震監(jiān)測相同，主要包括數(shù)據(jù)采集，事件的信號識別和定位，其中信號識別主要是指P波震相的識別，它直接影響微震定位的可靠性。目前在地震監(jiān)測中，廣泛使用的識別算法主要是pick_ew和FilterPicker算法。使用實際數(shù)據(jù)對這兩個算法進行研究并優(yōu)化其參數(shù)，使它們能夠更好地應(yīng)用在微震事件的監(jiān)測中。由于pick_ew配置參數(shù)的復(fù)雜性，主要是依據(jù)前人使用的歷史經(jīng)驗對參數(shù)進行優(yōu)化；而FilterPicker算法只需要調(diào)整一個參數(shù)就可以將其更好的應(yīng)用在微震監(jiān)測中，主要使用0.618法來找出這個參數(shù)值。

關(guān)鍵詞： 微震監(jiān)測； 自動識別； 參數(shù)優(yōu)化； pick_ew； FilterPicker

中圖分類號： TN911.7?34 文獻標(biāo)識碼： A 文章編號： 1004?373X（2013）23?0065?05

Research and parameter optimization on microseismic event signal recognition algorithm

WU Yi?qun， WU Guan?mao

（School of Computer Science and Technology， Anhui University of Science and Technology， Huainan232001， China）

Abstract： Microseismic monitoring system is mainly used to monitor and analyze the microseisms caused by rock destruction of various productions and mining activities. Microseismic monitoring principle is the same as earthquake monitoring， which includes data acquisition， signal identification and location of events. The signal identification mainly refers to the P?wave seismic phase identification， which directly affects the reliability of microseismic monitoring system. Currently the recognition algorithms widely used in seismic monitoring are pick_ew algorithm and FilterPicker algorithms. Actual data is used to study these two algorithms and optimize their parameters， to enable them to better use in monitoring microseismic events. Since the complexity of the parameter configuration of pick_ew， the historical experience of our predecessors are mainly used to optimize the parameters， while it only need to adjust one parameter in FilterPicker algorithm， that can make it better application in microseismic monitoring. The parameter value is found out by 0.618 method.

Keywords： microseismic monitoring； automatic identification； parameter optimization； pick_ew； FilterPicker

0 引 言

微震，局部地區(qū)的小型地震，可作為巖石破壞的標(biāo)志，在工程施工和礦山安全領(lǐng)域得到越來越多的關(guān)注。近年來，微震監(jiān)測系統(tǒng)得到了廣泛地應(yīng)用。微震監(jiān)測系統(tǒng)由數(shù)據(jù)采集，事件的信號識別，定位及相應(yīng)的參數(shù)計算等模塊組成。在這些模塊中，事件的信號識別是最基本的模塊，它直接影響到定位及所有其他微震相關(guān)參數(shù)計算的準(zhǔn)確性。與地震相比，微震發(fā)生的頻率要大得多，對每一微震事件進行人工識別是不切實際的，鑒于此，微震事件的自動識別技術(shù)一直得到人們的重視。

Allen提出了pick_ew算法[1]以及Baer和Kradolfer提出了BK87算法[2]用于地震事件信號的自動識別。這兩種信號識別算法都是通過比較信號特征函數(shù)的短期平均值（STA）、長期平均值（LTA）和閾值之間的關(guān)系。算法的特征函數(shù)是基于信號及其在連續(xù)樣例上時間導(dǎo)數(shù)的組合，導(dǎo)數(shù)使得算法對于信號的高頻變化比較敏感。這兩種算法設(shè)定閾值的方式是不同的，在pick_ew算法中閾值是預(yù)定義的，但BK87算法中，閾值是根據(jù)特征函數(shù)標(biāo)準(zhǔn)差來自動設(shè)定的。

Anthony Lomax提出了FilterPicker算法[3]。該算法的基本原理是：設(shè)特征函數(shù)[3]為[FC（i）]，監(jiān)視每一個時間區(qū)間長度為[Tup，]定義兩個閾值[S1]和[S2]分別用于判斷信號是否被觸發(fā)或被識別。FilterPicker算法的效率是非常高的，幾乎全使用邏輯和算術(shù)運算。

世界大多數(shù)的地震臺站監(jiān)測的自動識別算法，主要頻率在125 Hz左右。而在煤礦中，微震事件的信號頻率可達到[4]2 500 Hz。Mele等的優(yōu)化方案也都是針對地震信號的[5]，然而對于微震監(jiān)測所對應(yīng)的高頻信號的應(yīng)用和優(yōu)化，卻鮮有報道。本文研究目的就是根據(jù)實際數(shù)據(jù)，比較兩種地震信號識別方法在微震監(jiān)測高頻信號的應(yīng)用以及不同參數(shù)組合的效果，找出適合于微震監(jiān)測系統(tǒng)的最佳參數(shù)組合。

1 數(shù)據(jù)的獲取和可優(yōu)化參數(shù)的選取

pick_ew算法和FilterPicker算法主要是用于地震事件的識別，地震數(shù)據(jù)采樣率比較低，一般都是幾百左右。在大范圍的地震中這樣的精度是比較高的。但是在小范圍的微震監(jiān)測中，這樣的采樣率是遠遠不夠的。采樣率越高，微震定位精度就越高。本文的數(shù)據(jù)采樣率[S=5]000個/s，其所對應(yīng)的采樣時間間隔為[Δt=1S=]0.000 2 s。

1.1 試驗條件

采用人工錘擊產(chǎn)生震源。傳感器采用主頻為15 Hz的速度型傳感器，靈敏度為31.9 V/（m/s）。傳感器布置如圖1所示。

圖1 傳感器布置

傳感器及震源的布置：07～11均為傳感器，S為人工震源（錘擊）的位置，12號傳感器位于震源位置。一般做人工震源時，07～10號以及12號傳感器均能采集到微震信號，12號傳感器采集到微震事件信號的時間為錘擊時間[t0。]由于11號傳感器距錘擊點相對比較遠，有可能采集不到微震事件的信號。

1.2 pick_ew參數(shù)說明

pick_ew配置參數(shù)一共23個，可優(yōu)化的參數(shù)[1]17個。相關(guān)的參數(shù)說明和優(yōu)化見參考文獻[5]。跟采樣率有關(guān)的6個參數(shù)：[T1=]0.68 s，StaFilt=1-[e-2πΔtT1]=0.018 3 1；[T2=]2.06 s，LtaFilt=1-[e-2πΔtT2]=0.000 61；[C*2=]0.000 3 s2，CharFuncFilt=[C*2Δt2]=7 500；[T3=]16.08 s，RmavFilt=[e-2πΔtT3]=0.999 99；[fc=]4 Hz，[T4=-2πΔt，]RawDataFilt=[eT4=]0.994 98；[T5=]20 s，MaxMint=[T4Δt]=10 000。

StaFilt：篩選參數(shù)，用來計算特征函數(shù)的短期平均值；LtaFilt：篩選參數(shù)，用來計算特征函數(shù)的長期平均值；RawDataFilt：篩選參數(shù)，用于原始數(shù)據(jù)；CharFuncFilt：篩選參數(shù)，用于波形數(shù)據(jù)特征函數(shù)的計算；RmavFilt：篩選參數(shù)，用于計算波形數(shù)據(jù)的絕對值的平均值；MaxMint：兩個零交叉的最大時間間隔（樣例的數(shù)量）；其中StaFilt和LtaFilt是兩個最重要的參數(shù)。

1.3 FilterPicker參數(shù)說明

FilterPicker配置參數(shù)一共11個，可優(yōu)化的參數(shù)5個。詳細(xì)原理見參考文獻[3]。跟采樣率有關(guān)的參數(shù)3個。參考文獻[6]給出的采樣率為100個/s，故[Δt=]0.01 s。由于[S=]5 000個/s，故最優(yōu)解需要除以50。具體跟采樣率相關(guān)的3個參數(shù)：[Tfilter=300Δt，]最優(yōu)值為0.017 3；[Tlong=][500Δt，]最優(yōu)值為0.24；[Tup=20Δt，]最優(yōu)值為0.007 76。兩個閾值：[S1=]10，最優(yōu)值為9.36；[S2=]10，最優(yōu)值為9.21。[Tfilter]是輸入信號分頻后各頻率組的最長周期，這個參數(shù)跟[Nband]的計算有關(guān)系，主要跟參考文獻[3]中公式（2）～（5）的計算有關(guān)；[Tlong]是計算所用的輸入信號長期平均值的時間窗口，主要跟參考文獻[3]中公式（1）的計算有關(guān)；[S1]是信號的觸發(fā)閾值；[S2]是信號的識別閾值；[Tup]是用于驗證pick合法性驗證的時間窗口。

2 微震事件的信號識別算法比較及參數(shù)優(yōu)化

微震事件信號識別算法的評價標(biāo)準(zhǔn)是同一微震事件的信號有且只能被識別一次，即不遺漏和不重復(fù)。07～12號傳感器采集到的數(shù)據(jù)如圖2所示。圖2顯示UTC時間2013年5月24號01點55分55秒到01點56分54秒的數(shù)據(jù)，在這一分鐘，間隔7～8 s做一次人工震源（錘擊），一共做了6次。根據(jù)如圖1所示的傳感器布局，在S位置處錘擊產(chǎn)生微震事件，通過試驗來驗證這兩個算法的有效性，并優(yōu)化參數(shù)。其中第4個人工產(chǎn)生的微震事件如圖3所示。

圖2 人工震源

2.1 pick_ew參數(shù)優(yōu)化以及結(jié)果

pick_ew算法觸發(fā)微震事件信號的條件是特征函數(shù)的短期平均值（STA）和長期平均值（LTA）的比值大于預(yù)定義的閾值。StaFilt和LtaFilt分別指定與STA和LTA相關(guān)的參數(shù)，EventThresh是預(yù)定義的閾值；識別微震事件信號的條件是在信號被觸發(fā)后，高通濾波的信號值的前三個峰值中，至少有一個值要大于等于由參數(shù)MinPeakSize指定的最小峰值（表示微震事件的開始），并且有40次連續(xù)低于參數(shù)CodaTerm指定的值（表示微震事件的結(jié)束），即在pick_ew中一個微震事件必須包括開始和結(jié)束，否則不是一個有效的微震事件，且MinPeakSize值大于CodaTerm。

圖3 第4個微震事件的信號圖

本文使用4組不同的參數(shù)組合，包括與采樣率相關(guān)的6個配置參數(shù)（StaFilt，LtaFilt，CharFuncFilt，RmavFilt，RawDataFilt，MaxMint）以及EventThresh的值，其他參數(shù)值均為EW的推薦值[5]。4組值分別為：

（1）0.018 31， 0.000 61，7 500，0.999，0.994，10 000，3.5；

（2）0.018 31，0.000 61，7 500，0.999，0.994，10 000，2.3；

（3）0.023， 0.000 8，4 800，0.999，0.939，500，2.3；

（4）0.15，0.021，4 800，0.996，0.979，500，2.3。

第（1）組是根據(jù)Mele[5]的推薦值和計算結(jié)果。第（4）組為典型的地震監(jiān)測使用值[3]。第（2）組只調(diào)整了EventThresh。第（3）組數(shù)據(jù)，根據(jù)經(jīng)驗，只計算對采樣率敏感的4個參數(shù)的計算值，其他的使用EW（earthworm）的推薦值。

EventThresh是一個預(yù)定義的閾值，控制微震事件的信號被觸發(fā)。它并不直接與采樣率有關(guān)，而與信號的噪音有關(guān)。它確定在噪音條件下，對噪音信號的容忍度，值越低，容忍度越大。地震監(jiān)測中，其值一般為5，目前最高使用在意大利地中海沿岸的地震臺，其值[5]為3.5。對微震而言，信號的噪音較高，這里在3.5的基礎(chǔ)上，降低至2.3來增加對噪音信號的識別。

表1中第3次實驗對應(yīng)的第3組pick_ew算法的參數(shù)組合，微震事件的信號識別率最高，其他的參數(shù)組合識別率比較低。其中StaFilt和LtaFilt參數(shù)修改幅度比較大，這兩個參數(shù)直接確定信號的短期平均值和長期平均值，對pick_ew算法而言是極為重要的配置參數(shù)。4次試驗表明：pick_ew算法對微震事件的信號識別均沒有重復(fù)，只是出現(xiàn)遺漏的情況，如第（2）、（3）組參數(shù)遺漏比較少，這是比較合適的配置參數(shù)。

表1 試驗結(jié)果

注：Number1表示應(yīng)該被識別的信號數(shù)，Number2表示實際被識別的信號數(shù)。

pick_ew識別如圖3所示的第4個微震事件的P波走時見表2。對同一事件，只有第（2）、（3）組參數(shù)能使10號傳感器識別，但識別時間略有差異。造成這種差異的原因與信號特征函數(shù)有關(guān)，它過濾了一些低頻的信號，造成了時間的偏差。在使用pick_ew自動識別微震信號時，應(yīng)予以注意。在頻率衰減差特別大的情況下，應(yīng)考慮加以補償。

2.2 FilterPicker參數(shù)優(yōu)化以及結(jié)果

結(jié)合1.3節(jié)中的5個配置參數(shù)的最優(yōu)參數(shù)值，以及表1所示FilterPicker試驗結(jié)果發(fā)現(xiàn)：這6次微震事件中，同一微震事件信號均被識別多次。

由表3發(fā)現(xiàn)在很短的時間內(nèi)，同一微震事件的信號被重復(fù)識別多次，這在微震定位中是不允許的。在微震定位中，是根據(jù)識別出的一組微震事件的時間，給出微震的定位信息。微震事件信號的識別時間結(jié)合傳感器的坐標(biāo)能夠準(zhǔn)確的給出定位信息。FP（FilterPicker）算法使得同一微震事件的信號被同一個傳感器識別多次，由于傳感器的坐標(biāo)是已知的并且固定的，同一微震事件的信號應(yīng)該有且只能被識別一次。可想而知，同一微震事件的信號被識別多次，使得一組時間信息內(nèi)部之間是相互矛盾的，給出的微震定位結(jié)果肯定是不準(zhǔn)確的。因此，同一個微震事件的信號被重復(fù)識別是必須避免的。

根據(jù)FilterPicker原理可知：設(shè)特征函數(shù)[FC（i），]監(jiān)視每一個時間區(qū)間，判斷信號是否被觸發(fā)或被識別。當(dāng)[FC（i）≥S1]（其中[S1]表示預(yù)定義的觸發(fā)閾值），相應(yīng)的觸發(fā)時間[ttrig]被保存，[FC（i）≥S1]被看做觸發(fā)波段。根據(jù)預(yù)定義的時間窗口寬度[Tup，]當(dāng)一個時間窗口在[[ttrig，ttrig+Tup]]內(nèi)時，[ttrigttrig+TupFC（i）=upFC（i）ΔT，]當(dāng)這個值超過[Tup?S2]時（其中[S2]是預(yù)定義的識別閾值），信號被識別，對應(yīng)的識別時間為[ttrig。]可以通過修改[Tup]的值來限制同一微震事件的信號被多次采集。

使用0.618法能夠比較快地確定[Tup]參數(shù)值。令[Tup1=T1，][Tup2=T2，][Tup=Tup1+0.618（Tup2-Tup1）。]條件1定義為存在同一微震事件信號被多次識別；條件2定義為存在微震事件信號沒有被識別。對于最優(yōu)的[Tup]值應(yīng)該避免滿足這兩個條件。[Tup1]是滿足條件1的值，[Tup2]是指滿足條件2的值。當(dāng)使用[Tup]值時，試驗結(jié)果滿足條件1，將[Tup1=Tup；]若滿足條件2，則將[Tup2=][Tup，]多次試驗后[Tup]將滿足使得同一微震事件信號有且只能識別一次。當(dāng)然這是理想的參數(shù)值，一般只要取信號遺漏比較少的參數(shù)值。發(fā)現(xiàn)當(dāng)使用[Tup]值時，同時滿足條件1和條件2時，應(yīng)該將其條件取滿足條件1。因為滿足條件1時，微震事件定位肯定是不準(zhǔn)確的（一個傳感器對應(yīng)多個走時，見表3），故[Tup]值滿足條件1必須被避免。當(dāng)取[Tup=]0.1時，所有的微震事件的信號均沒有被識別。

[Tup]參數(shù)以及結(jié)論見表4。表4使用0.618法結(jié)合表1的FilterPicker算法的試驗來產(chǎn)生[Tup]參數(shù)值。根據(jù)表4的試驗結(jié)果，發(fā)現(xiàn)當(dāng)[Tup]參數(shù)值比較小時，會滿足條件1，當(dāng)[Tup]參數(shù)值相對比較大時，會滿足條件2，甚至出現(xiàn)試驗2的情形。而且發(fā)現(xiàn)通過調(diào)整[Tup]參數(shù)值，可以使得FilterPicker能夠適用于微震事件信號的識別。表1中FilterPicker算法試驗，其中第1～8次試驗參數(shù)[Tfilter，Tlong，S1，S2]都是相同的，只有[Tup]參數(shù)是不同的，如表4所示。第9次試驗參數(shù)來源是Anthony Lomax本人的建議。由于其在FilterPicker中，使用的默認(rèn)采樣率為125個/s，對應(yīng)的5個參數(shù)值分別是：2.4，4.0，10.0，10.0， 0.16。若微震的采樣率為5 000個/s，對應(yīng)值分別為0.06，0.1，10.0，10.0，0.004。但是第5個參數(shù)[Tup]取決于實際的微震事件。通過0.618法尋找到比較合適的值在0.012 15～0.012 64之間。

表3 Tup=0.007 76時FilterPicker算法識別的一組P波來時

表4 0.618法優(yōu)化參數(shù)Tup

注：為空的表示沒有FilterPicker被識別。

當(dāng)[Tup=]0.041 03和[Tup=]0.039 82時，這兩個不同的[Tup]值，但是最終微震事件信號被識別的時間是完全一致的，結(jié)合圖3所示，識別信號的時間是比較準(zhǔn)確的。而且第1和2次試驗中，信號被識別的時間都是一致的。說明FilterPicker算法能夠通過優(yōu)化一個參數(shù)[Tup]來達到微震信號的識別，并且其對應(yīng)的識別時間都是一致的。據(jù)表5所示的第7次和第9次試驗結(jié)果，結(jié)合其對應(yīng)的完全不同的兩組試驗參數(shù)，發(fā)現(xiàn)信號被FilterPicker算法識別的時間也是一致的。說明FilterPicker算法，相對于pick_ew算法比較容易的找出一組適合微震信號識別的最優(yōu)參數(shù)。

3 結(jié) 論

（1）pick_ew與FilterPicker都可用于微震事件的自動識別，參數(shù)的優(yōu)化可提高自動識別的成功率。但pick_ew需要修改的參數(shù)多，很難找出一組參數(shù)值來滿足微震事件信號的識別；然而FilterPicker只需要修改一個參數(shù)值[Tup]就可以滿足微震事件信號的識別。

（2）現(xiàn)有的與采樣率有關(guān)參數(shù)的計算公式不適用于高采樣率的微震監(jiān)測系統(tǒng)。公式計算的結(jié)果只能提供相應(yīng)的數(shù)值范圍。這次研究使用0.618法對FilterPicker算法進行參數(shù)優(yōu)化，有效地找出最優(yōu)的參數(shù)值來滿足微震事件信號的識別。

（3）pick_ew有很多參數(shù)，其中7個參數(shù)與采樣率有關(guān)，研究結(jié)果表明，其中4個參數(shù)與采樣率關(guān)系密切，在用于微震監(jiān)測時，必須根據(jù)采樣率進行計算和修改。

（4）pick_ew在使用不同的配置參數(shù)值時，可能給出的微震事件信號的識別時間，在頻率衰減特征特別大時，應(yīng)考慮時間補償。

（5）由于FilterPicker參數(shù)優(yōu)化比較容易，根據(jù)采樣率為5 000 /s，給出一組參數(shù)值：[Tfilter=]0.017 3，[Tlong=]0.24，[S1=]9.36，[S2=]9.21，[Tup=]0. 041 03或者[Tfilter=]0.06，[Tlong=]0.1，[S1=]10.0，[S2=]10.0，[Tup=]0. 012 15。

（6）由于pick_ew的使用參數(shù)比較復(fù)雜，需要計算和試驗結(jié)合來確定合適參數(shù)組合，使用不當(dāng)時，對自動識別的結(jié)果影響較大；FilerPicker用于微震監(jiān)測系統(tǒng)的自動信號識別時，考慮因素較少，易與調(diào)整。

參考文獻

[1] ALLEN R V. Automatic earthquake recognition and timing from single traces [J]. Bulletin of the Seismological Society of America， 1978， 68（5）： 1521?1532.

[2] BAER M， KRADOFER U. An automatic phase picker for local and teleseismic events [J]. Bulletin of the Seismological Society of American， 1987， 77（4）： 1437?1445.

[3] LOMAX Anthony， SATRICANO Claudio， VASSALLO Maurizio. Automatic picker developments and optimization： FilterPicker——a robust， broadband picker for real?time seismic monitoring and earthquake early warning [J]. Seismological Research Letters， 2012， 83（3）： 531?540.

[4] GE M. In?seam seismic （ISS） method based mine void detection technique， final report for phase 1 [R]. Pennsylvania State， USA： Mine Safety and Health Administration， 2006.

[5] MELE Franco， BONO Andrea， LAUCIANI Valentino， et al. Tuning an earthworm phase picker： some considerations on the pick_ew parameters [R]. [S.l.]： INGV， 2010.

[6] VASSALLO M， SATRICANO C， LOMAX A. Automatic picker development and optimization： a strategy for improving the performances of automatic phase pickers [J]. Seismological Research Letters， 2012， 83（3）： 541?554.

[7] RODRIGUEZ I V. Automatic time?picking of microseismic data combining STA/LTA and the stationary discrete wavelet transform [R]. Canada： Recovery?2011 CSPG CSEG CWLS Convention， 2011.

[8] ALLEN R. Automatic phase pickers： Their present use and future prospects [J]. Bulletin of the Seismological Society of America，1982，72（68）： 225?242.

[9] 周銀興.微震事件檢測及震相自動識別研究[D].北京：中國地震局地震預(yù)測研究所，2009.

[10] 趙鴻儒，孫進忠.全波震相分析的應(yīng)用[J].地球物理學(xué)報，1990，33（1）：54?63.

作者簡介：吳以群 男，1988年出生，江蘇射陽人，碩士研究生。主要研究方向為計算機網(wǎng)絡(luò)技術(shù)及算法分析。

吳觀茂 博士，副教授。主要研究方向為計算機網(wǎng)絡(luò)技術(shù)及物理網(wǎng)技術(shù)。