辛偉瑤,李 劍,王小亮,李禹劍

(中北大學(xué) 信息探測與處理山西省重點(diǎn)實(shí)驗(yàn)室,太原 030051)

0 概述

地下淺層空間震源被動定位是一種集傳感、組網(wǎng)、傳輸、定位于一體的位置測量方法,該方法是解決高價值彈藥地下炸點(diǎn)定位以及引信作用位置測量等軍事問題的主要途徑,也是實(shí)現(xiàn)巖爆、突水、突泥等超前預(yù)報(bào)以及地下硐室爆破監(jiān)測等民用事件的重要手段[1]。由于地下淺層地質(zhì)結(jié)構(gòu)復(fù)雜且未知,震動波波群混疊復(fù)雜,爆炸近場的土壤本構(gòu)特性呈彈塑性,彈性波受地面反射、折射影響較大,震相特征不明顯。因此,深層地震定位方法中如GEIGER提出的走時反演定位模型,以波場偏振理論為核心的DOA(Direct of Arrive)定位模型,以及CROSS提出的多震源與速度結(jié)構(gòu)聯(lián)合迭代反演定位(SSH)模型均無法直接適用于淺層震源定位[2-3]。而隨著地震波場延拓與成像技術(shù)的不斷發(fā)展,逆時能量場聚焦定位方法逐漸應(yīng)用于地下震源定位領(lǐng)域,如文獻(xiàn)[4]在偏移思路的基礎(chǔ)上,提出一種震源掃描算法。文獻(xiàn)[5]沿著繞射旅行時曲線方向疊加每一個接收道的平方振幅,提出繞射疊加微地震事件定位方法。文獻(xiàn)[6]提出利用典型微地震事件波形疊加方法對震源位置進(jìn)行定位,并在理論模型和實(shí)際資料應(yīng)用中對該方法進(jìn)行驗(yàn)證,取得了一定效果。文獻(xiàn)[7]對傳統(tǒng)震源掃描算法進(jìn)行改進(jìn),提出一種聯(lián)合震源掃描算法。該類方法不依賴于震相特征參數(shù)的提取精度,并且對速度場重建精度要求較低,是解決淺層空間震源定位問題的最優(yōu)方法?；谏鲜鼋⒌哪芰繄龌A(chǔ),在能量聚焦點(diǎn)識別方面,國內(nèi)外學(xué)者主要通過多尺度網(wǎng)格搜索法[8]、模擬退火法以及遺傳算法等[9]提高全局尋優(yōu)搜索能力,克服陷入局部極值及傳統(tǒng)算法中的“早熟”現(xiàn)象,但是該類方法在搜索時存在盲目性、隨機(jī)性,導(dǎo)致搜索到最優(yōu)解的效率與聚焦點(diǎn)識別率均較低等問題。

針對上述問題,本文研究基于深度學(xué)習(xí)的能量場聚焦點(diǎn)識別方法,通過逆時振幅疊加方法建立基于能量聚焦的震源定位模型,并充分利用深度學(xué)習(xí)在圖像識別領(lǐng)域的獨(dú)特優(yōu)勢,形成其端到端的一體化解算模式,以提高能量場聚焦度的識別準(zhǔn)確率,縮短震源定位時間。

1 地下震源能量場聚焦原理

由于地下震動波的數(shù)據(jù)群波混疊嚴(yán)重,而基于振幅疊加的偏移類定位算法不需對初至?xí)r間進(jìn)行拾取,以波形信息為基礎(chǔ)是現(xiàn)階段新興起的震源定位方法[10-11]。該方法的原理是對區(qū)域網(wǎng)格進(jìn)行劃分,再次遍歷區(qū)域內(nèi)的每一個網(wǎng)格,把每一個傳感器數(shù)據(jù)按照相對應(yīng)的時間偏移量ti(i=1,2,…,n)進(jìn)行偏移。同時,將所有傳感器數(shù)據(jù)進(jìn)行疊加,若某網(wǎng)格點(diǎn)為實(shí)際微震震源點(diǎn),則偏移后將各傳感器數(shù)據(jù)相疊加,振幅達(dá)到最大,而非震源點(diǎn)時,各個傳感器數(shù)據(jù)疊加后會出現(xiàn)振幅相互抵消的情況[12-13],振幅疊加定位原理如圖1所示。

圖1 振幅疊加定位原理示意圖

將監(jiān)測區(qū)域劃分為大小相同的網(wǎng)格,網(wǎng)格尺寸L為λ/6,其中,λ為地下波場最大頻率對應(yīng)的波長。以區(qū)域內(nèi)的某個網(wǎng)格為例,將每個傳感器采集到的震動信號按照各自對應(yīng)的時間偏移量tij進(jìn)行逆向偏移[9-10],將偏移后的傳感器數(shù)據(jù)以初始采樣時刻m進(jìn)行振幅疊加,以其得到的能量總和E(hi,li,ki,m)作為該網(wǎng)格所對應(yīng)的能量值,對循環(huán)遍歷區(qū)域內(nèi)的所有網(wǎng)格依次進(jìn)行能量填充,得到該采樣時刻對應(yīng)的三維能量圖。能量場聚焦原理示意圖如圖2所示。

圖2 能量場聚焦原理示意圖

在圖2中,假設(shè)第i個網(wǎng)格的中心坐標(biāo)為(hi,li,ki),ti為地震波從第i個網(wǎng)格點(diǎn)至第j個傳感器需要的時間,將所有傳感器數(shù)據(jù)按其所對應(yīng)的tij進(jìn)行偏移,Aj=(aj(1),aj(2),…,aj(T))為第j個傳感器接收到的T時刻窗內(nèi)的震動波場信息進(jìn)行偏移之后的數(shù)據(jù)。在采樣時刻m對應(yīng)的疊加能量總和E(hi,li,ki)為:

(1)

其中,aj(m)為第j個傳感器在m時刻的振幅大小,n為傳感器數(shù)量。

在時間域內(nèi),對于傳感器陣列獲取的信號,采用網(wǎng)格能量填充法[14-15]依次重建每一個采樣時刻每個網(wǎng)格點(diǎn)對應(yīng)的瞬時能量場,得到一張三維能量場圖像。遍歷整個時間域,從初至波到達(dá)時刻至信號尾震相結(jié)束時刻,得到對應(yīng)包含震源信息的三維能量場圖像序列,形成基于能量聚焦的定位模型。

2 基于深度學(xué)習(xí)的能量場聚焦點(diǎn)識別方法

震源定位過程可看作是隨機(jī)過程,利用深度學(xué)習(xí)的方法進(jìn)行震源定位,3D-CNN網(wǎng)絡(luò)能夠更好地捕捉時間-空間的特征信息,因此,通過3D-CNN卷積網(wǎng)絡(luò)構(gòu)建深度學(xué)習(xí)框架,利用能量場圖像序列的連續(xù)性,使用三維卷積核對時間-空間場進(jìn)行特征提取,從而形成端到端的學(xué)習(xí)模型[16-18]。深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)主要分為訓(xùn)練和測試兩大模塊,訓(xùn)練時使用標(biāo)記的訓(xùn)練集對3D-CNN深度學(xué)習(xí)網(wǎng)絡(luò)中的權(quán)值參數(shù)進(jìn)行更新,測試時利用固定權(quán)值參數(shù)對測試集的三維能量場圖像進(jìn)行預(yù)測,并輸出聚焦點(diǎn)坐標(biāo),其總體流程如圖3所示。

圖3 深度學(xué)習(xí)的總體流程

2.1 樣本輸入及標(biāo)簽制作

采用逆時振幅疊加方法得到三維矢量數(shù)據(jù),一張三維能量場圖像大小為101×101×51,即對應(yīng)520 251個能量點(diǎn),通過計(jì)算震動信號對應(yīng)的首震相和尾震相時間,得出有效信號的時間段為0.4 s～1.0 s。當(dāng)采樣率為20 kHz時,有效采樣點(diǎn)數(shù)為12 000,遍歷整個時間域得到四維矢量數(shù)據(jù),且大小為12 000×101×101×51,將12 000張三維能量場圖像作為訓(xùn)練數(shù)據(jù),并將每張三維能量場圖像對應(yīng)的震源坐標(biāo)作為輸入標(biāo)簽,對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

2.2 網(wǎng)絡(luò)框架搭建及訓(xùn)練

整個訓(xùn)練過程選擇采用基于梯度下降的Adam優(yōu)化算法,根據(jù)相應(yīng)的誤差項(xiàng),通過計(jì)算每個權(quán)重的梯度來調(diào)整模型參數(shù),使預(yù)測結(jié)果向優(yōu)化目標(biāo)靠近[14]。通過上述迭代,直至訓(xùn)練得到符合要求的優(yōu)化目標(biāo),從而建立滿足誤差要求的網(wǎng)絡(luò)模型。

圖4為設(shè)計(jì)的深度學(xué)習(xí)網(wǎng)絡(luò),該網(wǎng)絡(luò)框架總共8層,包括3個卷積層、2個池化層與2個全連接層[19-20]。其中,第1層為輸入層,輸入完整的能量場數(shù)據(jù),第2層是卷積核為7×7×7的三維卷積層,第3層為2×2×2的池化層,第4層為5×5×5的三維卷積層,第5層為2×2×2的池化層,第6層為3×3×3的三維卷積層,第7層為全連接層,輸出的節(jié)點(diǎn)為128,第8層為輸出層,輸出為3,即定位坐標(biāo)值X、Y、Z。3D-CNN網(wǎng)絡(luò)對能量場數(shù)據(jù)的X、Y和Z方向上的采樣點(diǎn)進(jìn)行關(guān)聯(lián),在該結(jié)構(gòu)中,卷積層中的每一個特征圖都會與上一層中多張連續(xù)圖片相連,用來提取能量聚焦點(diǎn)的時空分布特征,實(shí)現(xiàn)對能量聚焦點(diǎn)的準(zhǔn)確識別和定位。

圖4 3D-CNN網(wǎng)絡(luò)框架設(shè)計(jì)

3 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證本文方法的可行性,本文建立了地下震源定位模型,具體如圖5所示。圖6為一次爆炸后回傳的部分原始信號。

圖5 傳感器布設(shè)圖

圖6 傳感器回傳的部分信號圖

以原點(diǎn)為中心,將35個三軸傳感器等間距布設(shè)在地表,形成震動傳感器探測陣列,并進(jìn)行3次爆炸實(shí)驗(yàn),起爆點(diǎn)位置信息如表1所示。設(shè)置多路數(shù)據(jù)采集系統(tǒng)的采樣率為100 kHz,采樣時間為10 s,實(shí)驗(yàn)結(jié)束后,將數(shù)據(jù)回傳至控制主站進(jìn)行定位處理。

表1 起爆點(diǎn)位置信息

爆炸實(shí)驗(yàn)總共進(jìn)行了3次,將第1次、第2次爆炸實(shí)驗(yàn)結(jié)果作為深度學(xué)習(xí)模型的訓(xùn)練數(shù)據(jù),將第3次爆炸實(shí)驗(yàn)結(jié)果作為深度學(xué)習(xí)模型的測試數(shù)據(jù)。對于每次實(shí)驗(yàn)而言,隨機(jī)選取16個傳感器信號作為一組,生成4 000張三維能量場圖像,35個傳感器將生成超過10萬個樣本。

以第一次爆炸為例,采用逆時振幅疊加的方法生成三維能量場圖像序列,如圖7所示。抽取能量聚焦情況不同的圖像作為訓(xùn)練數(shù)據(jù),用來增加模型的泛化性,其中包括:1)能量聚焦區(qū)域不完整;2)能量聚焦區(qū)域發(fā)散;3)能量聚焦區(qū)域信噪比低;4)能量聚焦點(diǎn)強(qiáng)度較弱。

圖7 能量場圖像序列圖

實(shí)驗(yàn)將前2次爆炸生成的每張三維能量場圖像作為輸入數(shù)據(jù),以其對應(yīng)的震源位置作為標(biāo)簽,并分別加載至深度神經(jīng)網(wǎng)絡(luò)中,設(shè)置迭代次數(shù)為2 000次。本文實(shí)驗(yàn)以Tensorflow為后端框架,與Keras深度學(xué)習(xí)環(huán)境相結(jié)合,采用Intel Core i3-6100處理器,4.0 GB內(nèi)存,并使用2個1080 Ti GPU,結(jié)合并行計(jì)算架構(gòu)CUDA對圖像處理流程進(jìn)行加速,迭代2 000次,一次迭代耗時10 s,得到相應(yīng)的損失函數(shù)與精確度曲線,具體如圖8所示。從圖8可以看出,訓(xùn)練損失值在迭代訓(xùn)練1 000次左右時達(dá)到收斂,并不斷趨近于0,測試準(zhǔn)確度最終達(dá)到92%左右,達(dá)到了預(yù)設(shè)的效果。因此,采用本文設(shè)計(jì)的深度學(xué)習(xí)網(wǎng)絡(luò)能夠有效識別能量場聚焦點(diǎn)。

圖8 深度訓(xùn)練結(jié)果曲線

將第3次爆炸實(shí)驗(yàn)對應(yīng)的能量場圖像作為測試數(shù)據(jù),隨機(jī)選取10 000個樣本加載至訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中,圖9(a)為深度學(xué)習(xí)模型對聚焦點(diǎn)掃描定位過程。由于地下介質(zhì)較為復(fù)雜,因此能量聚焦區(qū)不明顯,聚焦點(diǎn)的搜索遠(yuǎn)比仿真階段復(fù)雜,同時采用網(wǎng)格搜索法對震源目標(biāo)進(jìn)行搜索,如圖9(b)所示,在搜索過程中,將監(jiān)測區(qū)域分為等間隔的4個搜索區(qū)域,以能流目標(biāo)函數(shù)作為適應(yīng)度值,以量子粒子群優(yōu)化(Quantum Particle Swarm Optimization,QPSO)算法的方式進(jìn)行震源搜索。同時,建立TDOA定位模型,采用QPSO算法與本文算法進(jìn)行搜索方式對比,得到定位結(jié)果如表2所示。由表2可知,從定位精度、運(yùn)行時間等技術(shù)指標(biāo)方面進(jìn)行考量,基于深度學(xué)習(xí)的震源定位算法優(yōu)于基于網(wǎng)格搜索的定位算法。雖然利用本文算法在實(shí)際震源定位中,計(jì)算時間較快,但本文算法需要利用前2次實(shí)驗(yàn)數(shù)據(jù)建立深度學(xué)習(xí)模型,其中,制作樣本和標(biāo)簽、搭建網(wǎng)絡(luò)和訓(xùn)練網(wǎng)絡(luò)的總時間接近4 h。

圖9 震源搜索定位圖

表2 定位結(jié)果對比

4 結(jié)束語

針對地下淺層震源定位中能量聚焦點(diǎn)難以識別的問題,本文采用逆時振幅疊加的方法,生成深度學(xué)習(xí)的四維輸入信息,建立基于能量聚焦的定位模型。利用3D-CNN網(wǎng)絡(luò)搭建深度學(xué)習(xí)框架,將震源位置作為輸出信息,形成能量場圖像到震源坐標(biāo)的端到端解算方法。實(shí)驗(yàn)結(jié)果表明,本文方法能夠有效識別并定位三維能量場聚焦點(diǎn)位置,即震源位置。由于地下介質(zhì)較為復(fù)雜,數(shù)據(jù)處理速度慢,如何提高能量場的分辨率以及在訓(xùn)練過程中對軟件進(jìn)行加速,將是下一步的研究方向。