微地震P波初至拾取的方法

劉傳義　毛玉蓉

摘要：微地震監測技術是一種能夠進行實時動態監測的地球物理學新技術。本文主要介紹了微地震P波初至自動拾取的基本原理和應用效果，特別對一種Allen算法和Bear算法結合的AB算法進行了詳細研究并通過實驗進行驗證。使用AB算法實現了對微震事件的自動拾取，并對拾取效果進行分析。

關鍵詞：微地震監測；自動拾取；P波初至；AB算法；滯后性

中圖分類號：P315 文獻標志碼：A 文章編號：1674-9324（2018）50-0136-02

一、引言

微地震監測技術在礦區、水壩等地質災害易發區的地質災害預測上的應用已經非常普遍，本文以錦屏二號水電站微地震監測系統實時監測的數據為數據源，分析、比較了不同方法的P波初至自動拾取的效果，并著重對基于能量比法的AB算法進行分析與研究，將其對地震數據進行處理，通過AB算法程序試圖完成對微地震有效事件和P波初至的自動拾取。實驗結果表明，基于時窗能量比法Allen和Bear結合的AB算法，較其他方法相比有較好的拾取效果，但它的拾取精度與人工拾取結果相比準確度仍有待提高。

二、微地震P波初至拾取

1.微地震事件。微地震事件是較小的地震事件。對于礦區而言，由于礦產開采區長期的地質勘探活動和工區作業，礦山巖石長期遭受到應力的作用，導致礦山或水壩周圍圍巖的內部在一定程度上遭到破壞而發生了變形。根據波動力學相關理論，應力集中區會向外釋放出能量，這些能量以彈性波的形式釋放，使巖石間相互擠壓造成較大區域巖石的破裂，產生微小地震，傳播過程中巖石向外發射的波的頻率都很低而被稱為微地震事件，也被稱為小地震事件①。

2.微地震P波初至拾取。微地震監測獲得的是實時監測的數據，因此數據量非常大。由于微地震信號P波先于S波到達檢波器，在大量數據中識別背景信號和微地震信號并找到微地震信號中P波首次到達的時間點，用于定位微地震震源點，這個步驟稱為P波初至拾取。

三、微地震P波初至拾取原理

1.能量比法拾取P波初至的原理。能量比法是長、短時窗平均能量值比或振幅值比（STA/LTA），后來Allen、Baer和Barle等將原能量比法中的時窗平均參數和特征函數進行了部分修改，并將一些新的數學計算方法使用到能量比法中②。時窗能量比的原理是基于背景噪聲能量與微震事件時能量相差很大，因此，時窗能量比通過選取兩個不同長度的時窗，長時窗是包含大量噪聲信號而相對包含極少微震有效信號，而短時窗包含較少背景噪聲包含較多微地震有效事件信號，短時窗平均能量值（STA）就會比較大，通過比較兩時窗的平均能量值就大致能夠判斷P波的初至點③。時窗能量比的計算公式如下：

公式（1）為長短時能量比計算公式，m、n為長短時窗長度，R（i）即是信號的第i個數據點的長短時能量比值。通過R（i）與所取的閥值（認為信號初至點時能量比值為此值）的比較，若R（i）大于等于閥值，則第i點有可能為P波初至點，準確判斷該點是否會是初至點還需結合其他判斷依據；若小于閥值，則該點一定不是初至點。

2.AB算法及其性能分析。AB算法是Allen算法和Bear算法的綜合算法，采用了Bear算法的加權因子K（i）Bear和特征函數CF（i）Bear，而沒有采用Allen算法的加權因子K（i）Allen和特征函數CF（i）Allen⑧。在此之上，還將Bear算法特征函數的計算公式進行修改，來獲得更好的拾取效果，對信噪比比較低的信號的變化更敏感⑨，改進后公式如下：

改進后的AB算法的特征函數CF（i）AB、K（i）AB與Allen、Bear算法特征函數CF（i）Allen、CF（i）Bear，K（i）Allen相比，CF（i）AB和K（i）AB對微震信號能量幅值的變化更加敏感，它進一步放大了微小能量變化差間的差異，讓拾取判斷更簡易，大大提高了算法對信噪比比較低的微地震信號的判斷能力和拾取效果⑩。AB算法實現過程：（1）從實時監測到的數據中讀取一段數據，計算CF（i）、STA（i）、LTA（i）、r（i）等參數，并對算法中循環參數S、M、L賦0初值。（2）根據實際微震事件規律，一個微震事件持續時間為0.005—0.1s，零交叉點個數M上限M1，M1取值250，下限M2，M2取值20。（3）初至點初判斷，若i點數據滿足STA（i）/LTA（i）>n（n為閥值，取3.0），則i點有可能是初至點，將i賦值給k，計算i的值x（i）記為p1，為找出i后第一個峰值，將p1賦值給p0暫存為最大峰值，若STA（i）/LTA（i）i）點滿足STA（k）<=LTA（k）*M，S=S+1，L=3+M/3，將p2值賦于p0，此時將k+1賦值給k；若S大于L，則將i賦值給t1，將k賦值給t2，則有效事件持續時間為t，t=（t2-t1）/f，f為采樣頻率，為4000。（5）微地震有效事件判斷，若t大于微地震有效事件持續時間最小值且M值大于微地震有效事件零交叉點下限，則本次拾取成功，t1為初至點，t2為結束點。

四、AB算法在實驗數據上的應用實例

實驗數據由Matlab軟件打開，通過AB算法自動拾取有效事件并判斷初至點。拾取該段信號結果為初至點為2000信號點，結束點為2208信號點。人工拾取與AB算法拾取所用數據均為實驗數據6—7—611統一數據，為微震記錄2013年6月7日15時原始記錄中某段數據。本論文中實驗均采用同一數據不同方法對比實驗，共采用2013年6月、7月、8月等期間的1000組數據。由兩對比結果看出AB算法拾取較人工拾取初至點有滯后性，但AB算法自動拾取P波初至具有相對較好的效果。

五、AB算法與其他算法實驗結果對比

由于時間與實驗設備等因素影響，實驗結果并不能確保權威性，但下述參數均為實驗結果且在合理實驗誤差范圍內。Allen算法的信號識別率為91.89%，P波初至拾取準確率為61.64%；Bear算法的P波初至拾取準確率為70.46%；AB算法的信號識別率為94.23%，P波初至拾取準確率為73.51%。本次實驗采用中科院巖土所提供的錦屏二級水電站的微震監測系統獲取的實時監測數據，該數據已完全由人工拾取，所以本次實驗是在人工拾取的基礎上，通過各類算法進行自動拾取與人工拾取結果進行比較得到的數據。從實驗結果上可以看出，各個算法都無法保證拾取的準確性。但在微地震有效事件的拾取上具有較好的拾取效果，且改進后的AB算法的拾取效果比其他幾種方法的拾取效果更好。

六、結論

通過以上實驗得到如下結論：①各種方法對微震有效事件和P波初至的拾取都不能確保有百分百的準確率。②能量比法比其他方法在自動拾取微事件上更易實現且自動處理效率更高，但能量比算法對時窗的長度要求較高。③AB算法是結合Allen算法和Bear算法的優勢，達到了微震信號判別和P波初至拾取同時進行，具有較高的拾取準確度。④AB算法的拾取效果易受時窗長度、閥值等參數影響，這些參數對于不同環境的適用性有待驗證。

參考文獻：

[1]周銀興.微震事件檢測及震相自動識別研究（碩士學位論文）[D].北京：中國地震局地震預測研究所，2009.

[2]李賢，王文杰，陳炳瑞，徐世達.基于Allen算法的工程尺度微震信號P波初至及其自適應識別[J].礦業研究與開發.

[3]李賢，王文杰，陳炳瑞.工程尺度下微震信號及P波初至自動識別AB算法[J].巖土力學與工程學報，2016.

[4]吳治濤，李世雄.STA/LTA算法拾取微地震事件P波到時對比研究[J].地球物理學進展.2010，（10）：1577-1582.