程久龍，程 鵬，李亞豪

(中國礦業(yè)大學(xué)(北京) 地球科學(xué)與測繪工程學(xué)院，北京 100083)

地下工程隧道和礦井巷道掘進(jìn)過程中為了確定前方地質(zhì)情況，需要使用鉆探和地球物理方法進(jìn)行超前探測。超前探測的地球物理方法主要有地震方法、直流電法、瞬變電磁法、地質(zhì)雷達(dá)等，目前地震方法是超前探查斷層等地質(zhì)構(gòu)造的主要方法，具有探測距離長，分辨率高，對地質(zhì)構(gòu)造定位準(zhǔn)確的優(yōu)點(diǎn)。傳統(tǒng)的地震方法探測以炸藥作為震源，需要掘進(jìn)工作面停止生產(chǎn)，對巷道掘進(jìn)進(jìn)度有較大影響，且炸藥震源需要施工炮孔，效率低，存在一定的危險(xiǎn)性。隨掘地震是以掘進(jìn)機(jī)掘進(jìn)過程中切割巖石產(chǎn)生的振動(dòng)作為震源，在巷道布置檢波器接收來自不同地質(zhì)界面的地震信號(hào)進(jìn)行探測，是在掘進(jìn)生產(chǎn)進(jìn)行過程中實(shí)施的探測，不影響正常掘進(jìn)，具有成本低、效率高、安全性好、實(shí)時(shí)連續(xù)觀測等優(yōu)點(diǎn)。但隨掘地震采集信號(hào)中存在強(qiáng)噪聲干擾導(dǎo)致有效信號(hào)信噪比極低，采用合適有效的去噪方法可以提高有效信號(hào)信噪比和分辨率，從而提高隨掘地震超前探測的效果。

近10 a來國內(nèi)外學(xué)者開展了對隨掘地震探測技術(shù)的理論、方法和應(yīng)用研究，由于隨掘地震信號(hào)存在強(qiáng)噪聲干擾、有效信號(hào)信噪比低的問題，在對隨掘地震信號(hào)進(jìn)行去噪的基礎(chǔ)上研究有效信號(hào)的提取方法具有重要意義。最初隨掘地震探測技術(shù)是為探測鉀鹽礦巷道頂部及前方的構(gòu)造情況提出的，TAYLOR等以巷道采掘機(jī)的振動(dòng)作為震源，采用互相關(guān)和預(yù)測反褶積等方法對采集數(shù)據(jù)進(jìn)行去噪處理，得到了對應(yīng)地層標(biāo)志層的地震疊加剖面，但去噪等處理之后的結(jié)果精度不高，且信噪比偏低。為改善去噪之后地震信號(hào)信噪比低的問題，PETRONIO等提出在隧道開挖隨掘地震探測中設(shè)置近震源信號(hào)為參考道，采用互相關(guān)的方法實(shí)現(xiàn)了有效波信號(hào)的提取，探測到與隧道相交的斷層，但其處理結(jié)果仍然含有大量噪聲干擾，對于斷層的預(yù)測精度較低。王季等通過優(yōu)先選取隨掘地震實(shí)測地震記錄中信號(hào)質(zhì)量高的片段，脈沖化處理后采用繞射偏移法實(shí)現(xiàn)掘進(jìn)工作面?zhèn)惹胺綌鄬拥某上瘛＠顏喓赖然诨ハ嚓P(guān)函數(shù)采用奇異值分解等方法，實(shí)現(xiàn)了對模擬隨掘地震噪聲的有效壓制。劉強(qiáng)基于互相關(guān)的隨掘信號(hào)在時(shí)頻域具有稀疏性的特點(diǎn)，提出了基于L1范數(shù)約束反演的小波去噪方法，以降低噪聲對有效信號(hào)的影響。由于隨掘地震信號(hào)波組的復(fù)雜性，僅采用單一的去噪方法處理，不能準(zhǔn)確地分離有效信號(hào)。為此，筆者團(tuán)隊(duì)通過對隨掘地震超前探測中的干擾波成分進(jìn)行系統(tǒng)分析，根據(jù)干擾波的不同類型采用極化濾波、相關(guān)函數(shù)法等綜合方法進(jìn)行處理，分離不同特征的噪聲干擾。與隨掘地震技術(shù)類似的隨采地震技術(shù)，是以采煤機(jī)切割煤層的振動(dòng)作為震源來進(jìn)行探測，也存在強(qiáng)噪聲干擾、有效信號(hào)信噪比低的問題，在噪聲壓制及斷層等構(gòu)造成像方面也取得了一些進(jìn)展。LUO等和KING等探討了利用隨采地震對采煤工作面前方煤層頂板巖體的應(yīng)力分布進(jìn)行預(yù)測的方法，分別利用不同的成像方法對異常區(qū)域解釋，表明隨采地震能夠用于推斷采煤工作面前方頂板應(yīng)力狀態(tài)和地質(zhì)異常。陸斌等利用互相關(guān)干涉方法將采煤機(jī)的連續(xù)振動(dòng)轉(zhuǎn)化為脈沖炮集，得到了較高信噪比的透射槽波信號(hào)。上述研究成果對隨掘地震和隨采地震的噪聲壓制取得了較好的效果，為有效信號(hào)的提取提供了借鑒。

由于巷道空間狹窄，數(shù)據(jù)采集條件較差，且存在掘進(jìn)機(jī)、帶式輸送機(jī)和工頻等干擾源，尤其是隨掘地震利用的震源是掘進(jìn)機(jī)切割巖石或煤層所產(chǎn)生的振動(dòng)，其本身就是噪聲，導(dǎo)致隨掘地震探測地震記錄的信噪比較低，難以獲得比較理想的有效地震信號(hào)，同時(shí)隨掘地震的震源機(jī)制是連續(xù)震源，導(dǎo)致常規(guī)地震數(shù)據(jù)處理方法應(yīng)用效果較差。

根據(jù)隨掘地震的地震記錄具有強(qiáng)噪聲且連續(xù)震源的特點(diǎn)，筆者提出基于改進(jìn)的人工蜂群(Improved Artificial Bee Colony,IABC)的獨(dú)立分量分析(Independent Component Analysis，ICA)方法，對隨掘地震超前探測數(shù)值模擬的地震記錄進(jìn)行去噪，通過隨機(jī)噪聲與有效信號(hào)的分離，實(shí)現(xiàn)了對噪聲干擾的壓制，提高了隨掘地震數(shù)據(jù)有效信號(hào)的信噪比。結(jié)合隨掘地震現(xiàn)場試驗(yàn)數(shù)據(jù)的處理，驗(yàn)證了基于改進(jìn)人工蜂群的獨(dú)立分量分析(IABC-ICA)方法在隨掘地震去噪方面具有較好效果。

1 基于改進(jìn)人工蜂群的獨(dú)立分量分析方法

1.1 獨(dú)立分量分析方法

獨(dú)立分量分析方法是一種獨(dú)立源信號(hào)分離方法，該方法是解決盲源信號(hào)分離問題最有效的方法之一，同時(shí)對于弱信號(hào)提取具有一定的優(yōu)勢?；A(chǔ)ICA方法即是在僅有混合信號(hào)的情況下實(shí)現(xiàn)分離矩陣和分離信號(hào)的求取：

=x

(1)

式中，為分離信號(hào)；為分離矩陣；為混合信號(hào)。

基礎(chǔ)ICA方法通常采用簡單、快速的梯度算法或牛頓算法作為求解分離矩陣的優(yōu)化函數(shù)，但容易陷入局部最優(yōu)，且存在收斂精度低或不收斂的缺點(diǎn)。

1.2 改進(jìn)人工蜂群算法

人工蜂群(Artificial Bee Colony，ABC)算法是一種群集智能優(yōu)化算法。ABC算法將人工蜂群分為雇傭蜂、跟隨蜂和偵查蜂3類，采用全局隨機(jī)迭代的方式完成尋優(yōu)過程，這使得ABC算法具有快速尋找可行解的能力，但同時(shí)忽略了算法尋找全局最優(yōu)解的效率性和準(zhǔn)確性。ABC算法中跟隨蜂和偵查蜂的搜索策略如下：

=+(-1,1)(-)

(2)

=+(0,1)(-)

(3)

式中，∈{1,2,3,…,}，∈{1,2,3,…,}且≠；為新蜜源；為原蜜源；為原蜜源鄰域的隨機(jī)個(gè)體；為蜜源最大邊界；為蜜源最小邊界。

對于ABC算法的優(yōu)化策略，考慮通過改變算法搜索策略的方式，提高算法全局尋優(yōu)的效率性和準(zhǔn)確性，因此，分別對跟隨蜂和偵查蜂的搜索策略進(jìn)行改進(jìn)，以達(dá)到優(yōu)化算法收斂性的目的，具體改進(jìn)如下：

=+(-)+(-)

(4)

=+(-)

(5)

式中，為區(qū)間[-1,1]中的一個(gè)隨機(jī)數(shù)；為區(qū)間[0,1]中的一個(gè)隨機(jī)數(shù)；為隨機(jī)生成的新蜜源，為當(dāng)前的最優(yōu)蜜源，即當(dāng)前的全局最優(yōu)解。

式(4)為改進(jìn)的跟隨蜂搜素策略，通過引入(-)項(xiàng)，使得跟隨蜂在更新迭代蜜源信息時(shí)不僅具有隨機(jī)尋找蜜源的特點(diǎn)，同時(shí)考慮當(dāng)前最優(yōu)解的影響，使得算法可以更快的向全局最優(yōu)解靠近，加快算法的收斂速度。式(5)為改進(jìn)的偵查蜂搜素策略，通過改變(-)項(xiàng)，使得偵查蜂在更新迭代蜜源信息時(shí)向當(dāng)前全局最優(yōu)解靠近，避免了因隨機(jī)生成蜜源太差而導(dǎo)致算法陷入局部最優(yōu)的情況，提高了算法收斂的準(zhǔn)確性。

為驗(yàn)證改進(jìn)的人工蜂群算法的優(yōu)化性能，將IABC算法與ABC算法的收斂性能進(jìn)行對比，采用具有相互獨(dú)立多峰值的Ackley測試函數(shù)進(jìn)行優(yōu)化性能測試，設(shè)定蜂群規(guī)模為40，雇傭蜂、跟隨蜂各占一半種群的數(shù)量，對于同一蜜源的搜索次數(shù)限制為100次。優(yōu)化函數(shù)的維數(shù)為100，進(jìn)化迭代次數(shù)為2 000，測試函數(shù)的實(shí)驗(yàn)次數(shù)為100次。IABC與ABC的優(yōu)化性能對比見表1，函數(shù)優(yōu)化過程如圖1所示。

表1 測試函數(shù)優(yōu)化結(jié)果比較

圖1 Ackley函數(shù)100維優(yōu)化過程Fig.1 Ackley function 100-dimensional optimization process

從表1和圖1可以看出，對于具有相互獨(dú)立性質(zhì)的多峰值A(chǔ)ckley測試函數(shù)，ABC算法的收斂速度較為緩慢，容易陷入局部最優(yōu)，優(yōu)化結(jié)果不明顯，IABC算法在函數(shù)優(yōu)化的最大值、最小值、均值以及方差方面均優(yōu)于ABC算法，且收斂速度快，不容易陷入局部最優(yōu)，表明IABC算法提高算法全局尋優(yōu)的效率性和準(zhǔn)確性。

1.3 IABC-ICA方法

針對獨(dú)立源信號(hào)盲源分離方法的優(yōu)化函數(shù)存在的收斂精度低以及易陷入局部最優(yōu)的問題，本文提出基于改進(jìn)人工蜂群的獨(dú)立分量分析方法，即采用上述的IABC算法作為ICA方法的優(yōu)化函數(shù)，使其實(shí)現(xiàn)更高的收斂精度。IABC-ICA方法將IABC算法作為優(yōu)化函數(shù)求解ICA問題的分離矩陣，以分離信號(hào)的最大負(fù)熵值作為IABC算法的代價(jià)函數(shù)，以負(fù)熵的近似值構(gòu)建代價(jià)函數(shù)(式(6))，通過對全局最優(yōu)解的迭代更新，使得代價(jià)函數(shù)的最大適度值滿足最小精度誤差，完成分離矩陣的求取，并對分離矩陣進(jìn)行正交化，從而實(shí)現(xiàn)混合信號(hào)中各個(gè)獨(dú)立分量的分離，即求取分離信號(hào)。

()=()-()

(6)

式中，()為分離信號(hào)的負(fù)熵；為一服從高斯分布的分離信號(hào)；()為的微分熵;()為微分熵。

IABC-ICA算法的具體流程如圖2所示。

2 基于IABC-ICA方法的信號(hào)分離

為了驗(yàn)證IABC-ICA方法分離多種信號(hào)的性能，將IABC-ICA方法與快速獨(dú)立分量分析(Fast Independent Component Analysis，F(xiàn)astICA)方法進(jìn)行分離多種信號(hào)性能的對比，并選用性能指標(biāo)函數(shù)(Performance Index，PI)作為算法分離效果的評價(jià)標(biāo)準(zhǔn)。

圖2 IABC-ICA算法流程Fig.2 IABC-ICA algorithm flow

源信號(hào)S分別選用正弦波、方波、鋸齒波以及隨機(jī)噪聲，如圖3(a)所示；使用隨機(jī)生成的混合矩陣將4個(gè)獨(dú)立信號(hào)進(jìn)行混合，得到混合信號(hào)如圖3(b)所示；使用FastICA算法和本文算法對混合信號(hào)進(jìn)行分離，得到的分離結(jié)果如圖3(c)，(d)所示。

圖3 2種方法分離結(jié)果對比Fig.3 Comparison of separation results by two methods

從圖3可以看出，F(xiàn)astICA算法和IABC-ICA算法都可以實(shí)現(xiàn)4種混合信號(hào)的分離，得到估計(jì)信號(hào)結(jié)果，但由于ICA方法分離信號(hào)幅值的不確定性和順序的不確定性，分離信號(hào)的幅值和順序與原始信號(hào)存在一定差異。從圖3(c)中分離信號(hào)2是對原始信號(hào)中正弦信號(hào)的估計(jì)，與圖3(d)中分離信號(hào)2相比可以看出圖3(c)中正弦信號(hào)波峰與波谷處仍殘留有其他干擾信號(hào)，說明IABC-ICA的分離效果優(yōu)于FastICA算法的分離效果。考慮到IABC-ICA方法與FastICA方法都具有一定的迭代隨機(jī)性，為了降低算法隨機(jī)性的影響，進(jìn)一步說明了IABC-ICA方法的分離多種信號(hào)的性能優(yōu)于FsatICA方法，分別進(jìn)行了5次多種信號(hào)分離測試，并使用性能指標(biāo)函數(shù)評價(jià)算法的信號(hào)分離效果，PI值越小代表分離信號(hào)與源信號(hào)越接近，即信號(hào)分離效果越好。逐次測試的性能指標(biāo)結(jié)果對比如圖4和表2所示。

圖4 算法的性能指標(biāo)結(jié)果對比Fig.4 Comparison of performance index results of algorithm

表2 算法的性能指標(biāo)結(jié)果分析

從測試結(jié)果可以看出，對于相同混合信號(hào)進(jìn)行分離測試時(shí)，IABC-ICA方法測試結(jié)果的最大值、最小值以及平均值均小于FastICA方法測試結(jié)果，且IABC-ICA方法相較于FastICA方法具有更小的方差，分離測試結(jié)果更加穩(wěn)定，表明IABC-ICA方法在分離多種信號(hào)方面具有更高的收斂精度。

3 隨掘地震超前探測數(shù)值模擬

3.1 地質(zhì)-地球物理模型

建立隨掘地震超前探測的地質(zhì)-地球物理模型，主要地層為砂巖和灰?guī)r，如圖5所示。模型大小為300 m×300 m，其中巷道長度為150 m，高度為5 m，煤層厚度為5 m，掘進(jìn)工作面前方40 m處存在傾角為60°的正斷層，斷層落差為8 m，斷層破碎帶寬度為8 m。各種介質(zhì)的物性參數(shù)見表3。

圖5 隨掘地震超前探測地質(zhì)-地球物理模型Fig.5 Geological and geophysics model for ahead detection of mine seismic while drilling

表3 模型介質(zhì)物性參數(shù)

3.2 數(shù)值模擬

考慮到隨掘地震震源信號(hào)具有隨機(jī)、連續(xù)、變幅和變頻的特征，單一頻率Ricker子波不適合作為隨掘地震的震源，因此采用主頻為200 Hz的Ricker子波與離散隨機(jī)反射序列褶積，并加入隨機(jī)噪聲，得到時(shí)長為0.12 s的模擬震源，與隨掘地震的實(shí)際震源相似，如圖6所示。

圖6 模擬震源Fig.6 Simulation source

數(shù)值模擬的測線設(shè)在巷道底板，長度為150 m，接收道共150道，道間距為1 m。利用二維彈性波有限差分算法進(jìn)行隨掘地震超前探測的數(shù)值模擬，定義其空間步長為1 m，時(shí)間步長為5×10s，采樣間隔為0.1 ms，地震記錄接收時(shí)間為0.25 s。

3.3 數(shù)值模擬結(jié)果分析

圖7為對應(yīng)圖4模型的隨掘地震數(shù)值模擬的地震記錄，由于隨掘地震超前探測震源子波為連續(xù)信號(hào)，在震源振動(dòng)的時(shí)間內(nèi)持續(xù)不斷地產(chǎn)生能量，并以波動(dòng)的形式向周圍傳播，因此，從圖7可以看到連續(xù)的縱波和橫波，且直達(dá)波能量遠(yuǎn)遠(yuǎn)強(qiáng)于反射波能量，導(dǎo)致大部分有效反射波被強(qiáng)能量的直達(dá)波干涉。圖7(a)為地震記錄的分量，可以看出巷道面波和直達(dá)波能量強(qiáng)，但很難在地震記錄中分辨反射波。圖7(b)為地震記錄的分量，可以看出直達(dá)橫波能量強(qiáng)，直達(dá)縱波能量弱，也無法直接從地震記錄中分辨反射波。

圖7 隨掘地震超前探測地震記錄Fig.7 Advance detection of fault seismic records with mine seismic while drilling

4 數(shù)值模擬地震記錄的有效信號(hào)提取

4.1 噪聲與有效信號(hào)的分離

為了更加準(zhǔn)確地模擬隨掘地震探測的真實(shí)地震信號(hào)采集環(huán)境，考慮巷道中存在各種噪聲對地震信號(hào)的影響，將上述地震記錄分量作為處理對象，加入隨機(jī)噪聲，得到信噪比約為5 dB的分量含噪地震記錄，如圖8所示。從圖8可以看出噪聲強(qiáng)，原地震信號(hào)被隨機(jī)噪聲嚴(yán)重干擾。

圖8 Z分量含噪地震記錄Fig.8 Seismic record of Z component with random noise

對圖8含噪地震記錄采用IABC-ICA方法進(jìn)行隨機(jī)噪聲和地震信號(hào)的分離處理，去噪結(jié)果如圖9(a)所示，可以看出隨機(jī)噪聲得到有效壓制，可分辨強(qiáng)直達(dá)橫波和弱直達(dá)縱波以及微弱反射波信號(hào)，區(qū)域1內(nèi)為弱直達(dá)縱波信號(hào)，區(qū)域2內(nèi)為強(qiáng)直達(dá)橫波信號(hào)位置，區(qū)域3為微弱反射波信號(hào)為主。

圖9 2種方法去噪結(jié)果對比Fig.9 Comparison of processing results of two method

為了確定IABC-ICA方法分離噪聲達(dá)到的去噪效果，采用小波去噪方法與其進(jìn)行對比。圖9(b)為對圖8含噪地震記錄進(jìn)行小波去噪處理結(jié)果，可以看出小波去噪方法在去除噪聲的基礎(chǔ)上，原地震信號(hào)也被部分壓制，使得去噪結(jié)果沒有完全保留有效地震信息，但I(xiàn)ABC-ICA方法不僅有效的去除了噪聲干擾，而且較完整地保留了有效地震信息。對2種方法去噪效果進(jìn)行對比，采用式(7)計(jì)算信噪比SNR：

(7)

式中，為原始信號(hào);為去噪結(jié)果;下標(biāo)rms代表均方根值。

計(jì)算得到IABC-ICA方法去噪結(jié)果的信噪比為13.59 dB，小波方法去噪結(jié)果的信噪比為11.80 dB。這說明IABC-ICA方法去噪效果明顯，且較好地保留了原地震信號(hào)的有效信息，為后續(xù)進(jìn)一步識(shí)別有效反射波信號(hào)奠定了基礎(chǔ)。

4.2 連續(xù)信號(hào)子波的壓縮

為了更好地檢驗(yàn)去噪效果，更為清晰地識(shí)別反射波等有效地震信號(hào)，在進(jìn)行了IABC-ICA方法去噪的地震記錄上，綜合采用互相關(guān)方法和脈沖反褶積方法對去噪后的信號(hào)進(jìn)行處理。以最靠近震源的地震道作為參考信號(hào)，與其余各道數(shù)據(jù)作互相關(guān)處理，計(jì)算結(jié)果如圖10所示。圖10(a)為不經(jīng)過去噪的模擬數(shù)據(jù)的互相關(guān)結(jié)果，噪聲干擾較明顯；圖10(b)為經(jīng)過去噪的模擬數(shù)據(jù)的互相關(guān)結(jié)果，對比圖9(a)中去噪后的地震記錄，可以看出直達(dá)波和較弱的反射波信號(hào)能量有所增強(qiáng)，但是仍然無法直觀地從地震記錄中識(shí)別反射波信號(hào)。

為了進(jìn)一步突出有效信號(hào)，通過脈沖反褶積方法，壓縮連續(xù)子波長度，提高地震記錄的垂向分辨率，選擇反褶積因子長度為25 ms，白噪系數(shù)為1，計(jì)算結(jié)果如圖11所示。圖11(a)為不經(jīng)過去噪記錄的脈沖反褶積結(jié)果，圖中信號(hào)比較雜亂，信噪比低；圖11(b)為經(jīng)過去噪后脈沖反褶積結(jié)果，可以清晰的識(shí)別直達(dá)橫波和反射波信號(hào)，結(jié)合同相軸的形態(tài)特征和旅行時(shí)，推斷同相軸1為直達(dá)橫波，同相軸2為巷道下方地層界面反射縱波和斷層反射縱波，同相軸3為巷道下方地層界面反射橫波和斷層反射橫波。

圖10 IABC-ICA方法去噪前后互相關(guān)處理結(jié)果Fig.10 Results of cross correlation processing before and after denoising by IABC-ICA method

圖11 IABC-ICA方法去噪前后脈沖反褶積處理結(jié)果Fig.11 Results of pulse deconvolution before and after denoising by IABC-ICA method

基于相同地質(zhì)-地球物理模型，把隨掘地震的連續(xù)震源換成200 Hz的Ricker子波類爆炸震源，通過上述相同的處理方法，得到類似爆炸震源的地震記錄，如圖12所示，可以看出圖12中波組特征與圖11(b)中波組特征基本一致，說明了隨掘地震信號(hào)在IABC-ICA方法去噪的基礎(chǔ)上，通過互相關(guān)和脈沖反褶積處理能夠準(zhǔn)確提取隨掘地震的有效信號(hào)。

圖12 200 Hz雷克子波類爆炸震源的地震記錄Fig.12 Seismic records of 200 Hz Ricker wavelet similar to explosive source

5 現(xiàn)場試驗(yàn)

5.1 工程概況

試驗(yàn)地點(diǎn)為山西省某礦采掘巷道內(nèi)，所采煤層為二疊系山西組2號(hào)煤層，平均厚度為2.51 m，平均傾角7°，煤層構(gòu)造簡單，為緩傾斜煤層。巷道直接頂為泥巖，厚2.29～5.37 m，平均厚度為2.44 m；基本頂為砂質(zhì)泥巖，厚1.73～2.97 m。直接底為砂質(zhì)泥巖，厚1.73～2.97 m，平均厚度為2.35 m；基本底為泥巖，厚5.8～8.4 m，平均厚度為7.1 m。

試驗(yàn)巷道右側(cè)為膠帶架，因此在巷道左側(cè)布置測線，將檢波器固定在巷道左側(cè)幫，與底板距離約為1 m，沿巷道軸線方向共布置三分量檢波器15個(gè)，道間距為5 m，總排列長度為70 m，其中第1道檢波器距離掘進(jìn)工作面為6 m，作為參考道，如圖13所示。

圖13 隨掘地震超前探測觀測系統(tǒng)示意Fig.13 Observation system of mine seismic while drilling ahead detection

5.2 數(shù)據(jù)處理與分析

圖14為隨掘地震實(shí)測地震記錄的20 s時(shí)間段數(shù)據(jù)，從圖14可以看出，15個(gè)三分量檢波器共接收到45道地震數(shù)據(jù)，1～3道為第1個(gè)檢波器的，，三個(gè)分量，以此類推，在該地震記錄中存在嚴(yán)重的噪聲干擾，信噪比低，無法識(shí)別有效波組。

圖14 隨掘地震超前探測實(shí)測地震記錄Fig.14 Measured seismic records of mine seismic while drilling ahead

在實(shí)測數(shù)據(jù)中截取前0.3 s時(shí)長數(shù)據(jù)段，利用IABC-ICA方法對其進(jìn)行去噪，干擾信號(hào)得到明顯壓制，如圖15所示。在此基礎(chǔ)上采用互相關(guān)和脈沖反褶積方法對含噪數(shù)據(jù)和去噪數(shù)據(jù)分別進(jìn)行處理，圖16為含噪數(shù)據(jù)的最終結(jié)果，處理結(jié)果噪聲干擾明顯，信噪比低。圖17為去噪數(shù)據(jù)的最終結(jié)果。

圖15 實(shí)測數(shù)據(jù)經(jīng)IABC-ICA去噪后結(jié)果Fig.15 Denoising results of measured data by IABC-ICA method

從圖17可以看出，分量信號(hào)能量相較于分量和分量信號(hào)能量更弱，符合隨掘地震震源的特征。在地震記錄中可以看到能量相對較強(qiáng)的2個(gè)同相軸，其中同相軸1形態(tài)為直線，推斷為直達(dá)波，同相軸2形態(tài)為雙曲線，推斷為反射波。圖17中分量和分量記錄中，經(jīng)過處理得到的同相軸能量相對較強(qiáng)，且連續(xù)性較好；而在分量記錄中，對應(yīng)的同相軸能量相對較弱，連續(xù)性也較差。通過速度分析可知，同相軸1的速度約為1 200 m/s，與巷道底板泥巖的橫波速度接近，為底板泥巖的直達(dá)橫波。另外，圖17中還存在多組能量較弱的波組。

圖16 含噪記錄經(jīng)互相關(guān)和脈沖反褶積處理后結(jié)果Fig.16 Results after cross-correlation and pulse deconvolution without denoising

圖17 去噪記錄經(jīng)互相關(guān)和脈沖反褶積處理后結(jié)果Fig.17 Results after cross-correlation and pulse deconvolution with denoising

6 結(jié) 論

(1)通過改進(jìn)搜索策略對ABC算法進(jìn)行優(yōu)化，利用IABC算法求取ICA方法的分離矩陣，測試結(jié)果表明改進(jìn)ABC算法的策略有效，并且IABC-ICA方法相較于ICA方法具有更高的分離精度和穩(wěn)定性。

(2)利用IABC-ICA方法對含噪聲的隨掘地震數(shù)值模擬地震記錄進(jìn)行去噪，有效壓制了噪聲干擾，并采用互相關(guān)和脈沖反褶積方法，提高信號(hào)的縱向分辨率，得到的處理結(jié)果與爆炸震源信號(hào)的波組特征基本一致。

(3)通過對實(shí)測數(shù)據(jù)進(jìn)行去噪、互相關(guān)和反褶積處理，得到了較為明顯的直達(dá)波與反射波等有效信號(hào)，進(jìn)一步表明IABC-ICA方法在處理噪聲和有效信號(hào)分離中具有較好的效果，為隨掘地震資料的后續(xù)處理和解釋奠定了基礎(chǔ)。

[1] 彭蘇萍. 我國煤礦安全高效開采地質(zhì)保障系統(tǒng)研究現(xiàn)狀及展望[J]. 煤炭學(xué)報(bào),2020,45(7):2331-2345.

PENG Suping. Current status and prospects of research on geological assurance system for coal mine safe and high efficient mining[J]. Journal of China Coal Society,2020,45(7):2331-2345.

[2] 程久龍,李飛,彭蘇萍,等. 礦井巷道地球物理方法超前探測研究進(jìn)展與展望[J]. 煤炭學(xué)報(bào),2014,39(8):1742-1750.

CHENG Jiulong,LI Fei,PENG Suping,et al. Research progress and development direction on advanced detection in mine roadway working face using geophysical methods[J]. Journal of China Coal Society,2014,39(8):1742-1750.

[3] 張平松,李圣林,邱實(shí),等. 巷道快速智能掘進(jìn)超前探測技術(shù)與發(fā)展[J]. 煤炭學(xué)報(bào),2021,46(7):2158-2173.

ZHANG Pingsong,LI Shenglin,QIU Shi,et al. Advance detection technology and development of fast intelligent roadway drivage[J]. Journal of China Coal Society,2021,46(7):2158-2173.

[4] 程久龍，謝晨，孫曉云，等. 隨掘地震超前探測理論與方法初探[A]. 中國地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)[C]. 北京:2015.

[5] 程久龍，高峰，孫曉云，等. 隨掘地震去噪方法研究[A]. 中國地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)[C]. 北京:2014.

[6] TAYLOR N,MERRIAM J,GENDZWILL D,et al. The mining machine as a seismic source for in seam reflection mapping[A]. SEG Technical Program Expanded Abstracts[C]. 2001:1365-1368.

[7] LORENZO Petronio,FLAVIO Poletto,ANDREA Schleifer. Interface prediction ahead of the excavation front by the tunnel-seismic-while-drilling(TSWD)method[J]. Geophysics,2007,72(4):G39-G44.

[8] 王季,覃思,陸斌,等. 基于掘進(jìn)機(jī)隨掘震源的巷道側(cè)前方斷層成像技術(shù)[J]. 煤炭科學(xué)技術(shù),2021,49(2):232-237.

WANG Ji,QIN Si,LU Bin,et al. Tomographic imaging technology of front side of roadway based on excavation source ofroadheader[J]. Coal Science and Technology,2021,49(2):232-237.

[9] 李亞豪,程久龍,姜旭,等. 基于互相關(guān)的隨掘地震超前探測有效信號(hào)提取方法研究[J]. 中國礦業(yè),2020,29(5):82-85,114.

LI Yahao,CHENG Jiulong,JIANG Xu,et al. Research on effective signals extraction method of seismic while drilling ahead detection based on cross-correlation[J]. China Mining Magazine,2020,29(5):82-85,114.

[10] 李亞豪. 基于ICA的隨掘地震超前探測弱信號(hào)提取方法研究[D]. 北京：中國礦業(yè)大學(xué)(北京),2020.

LI Yahao. Research on weak signals extraction of mine seismic while drilling ahead detection based on ICA[D]. Beijing:China University of Mining and Technology-Beijing,2020.

[11] 劉強(qiáng). L1范數(shù)約束的隨掘地震噪聲衰減[J]. 煤炭學(xué)報(bào),2021,46(8):2699-2705.

LIU Qiang. Noise attenuation based on L1-norm constraint inversion in seismic while drilling[J]. Journal of China Coal Society,2021,46(8):2699-2705.

[12] LUO Xun,KING Andrew,WERKEN M V. Tomographic lmaging of rock conditions ahead of mining using the shearer as a seismic source:A feasibility study[J]. IEEE Transactions on Geoscience and Remote Sensing,2009,47(11):3671-3678.

[13] KING Andrew,LUO Xun. Methodology for tomographic imaging ahead of mining using the shearer as a seismic source[J]. Geophysics,2009,74(2):1-8.

[14] 陸斌,程建遠(yuǎn),胡繼武,等. 采煤機(jī)震源有效信號(hào)提取及初步應(yīng)用[J]. 煤炭學(xué)報(bào),2013,38(12):2202-2207.

LU Bin,CHENG Jianyuan,HU Jiwu,et al. Shearer source signal extraction and preliminary application[J]. Journal of China Coal Society,2013,38(12):2202-2207.

[15] 宋維琪,李艷清,劉磊. 獨(dú)立分量分析與壓縮感知微地震弱信號(hào)提取方法[J]. 石油地球物理勘探,2017,52(5):984-989,1041,879-880.

SONG Wei,LI Yanqing,LIU Lei. Microseismic weak signal extraction based on the independent component analysis and compressive sensing[J]. Oil Geophysical Prospecting,2017,52(5):984-989,1041,879-880.

[16] 孟會(huì)杰,蘇勤,曾華會(huì),等. 基于獨(dú)立分量分析的地震信號(hào)盲源分離及應(yīng)用[J]. 巖性油氣藏,2021,33(4):93-100.

MENG Huijie,SU Qin,ZENG Huahui,et al. Blind source separation of seismic signals based on ICA algorithm and its application[J]. Lithologic Reservoirs,2021,33(4):93-100.

[17] 何堯,劉建華,楊榮華. 人工蜂群算法研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究,2018,35(5):1281-1286.

HE Yao,LIU Jianhua,YANG Ronghua. Survey on artificial bee colony algorithm[J]. Application Research of Computers,2021,33(4):93-100.

[18] 卓濤,詹穎. 改進(jìn)人工蜂群算法的云計(jì)算資源調(diào)度模型[J]. 微電子學(xué)與計(jì)算機(jī),2014,31(7):147-150,155.

ZHOU Tao,ZHAN Ying. Scheduling model cloud computing resource based on lmproved artificial bee colony algorithm[J]. Microelectronics & Computer,2014,31(7):147-150,155.

[19] 王輝. 改進(jìn)的蜂群算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2011,32(11):3869-3872,3876.

WANG Hui. Improved artificial bee colony algorithm[J]. Computer Engineering and Design,2011,32(11):3869-3872,3876.

[20] WEN Laifu,CHENG Jiulong,LI Fei,et al. Global optimization of controlled source audio-frequency magnetotelluric data with an improved artificial bee colony algorithm[J]. Journal of Applied Geophysics,2019,170(C):103845.

[21] 張敏,王凱,李振春,等. 基于四階互累積量的Fast ICA微地震數(shù)據(jù)噪聲壓制方法研究[J]. 石油物探,2019,58(5):716-723.

ZHANG Min,WANG Kai,LI Zhenchun,et al. Noise suppression of microseismic data based on fourth-order mutual cumulants and Fast ICA methods[J]. Geophysical Prospecting for Petroleum,2019,58(5):716-723.

[22] 馬倩茹,冶繼民. Fast ICA算法的收斂性與一致性分析[J]. 計(jì)算機(jī)工程與應(yīng)用,2020,56(2):35-41.

MA Qianru,YE Jimin. Convergence and consistency analysis of Fast ICA algorithm[J]. Computer Engineering and Applications,2020,56(2):35-41.

[23] 李宗,馮志鵬,褚福磊. 基于改進(jìn)的串音誤差的盲分離評價(jià)指標(biāo)[J]. 振動(dòng)與沖擊,2012,31(18):83-88.

LI Zong,FENG Zhipeng,CHU Fulei. A performance index of blind source separation based on improved crosstalk index[J]. Journal of Vibration and Shock,2012,31(18):83-88.

[24] 張旭秀,邱天爽. 基于源信號(hào)統(tǒng)計(jì)獨(dú)立性的ICA方法的不確定性研究[J]. 系統(tǒng)工程與電子技術(shù),2004(4):556-559.

ZHANG Xuxiu,QIU Tianshuang. Study on the indeterminacy of the statistical independence based ICA methods[J]. Systems Engineering and Electronics,2004(4):556-559.