【技術實現步驟摘要】
本專利技術涉及采空區三維橫波速度場建立，特別涉及采空區三維橫波速度場插值方法。
技術介紹
1、煤礦開采一般會對生態環境造成一定的破壞，常見的有采空塌陷誘發的各種地質災害等，其會造成社會安全隱患和財產損失，研究如何有效解決采空區的勘查問題，對保護人民財產及人身安全具有重大意義。現有方案中，采空區的勘查多應用地球物理方法，常見的有高密度電阻率法、地質雷達法、淺層地震法及瞬變電磁法等,各種方法的適用性及效果也有所不同。例如，地質雷達法探測深度較淺；淺層地震法在城市范圍內受障礙物及背景噪聲影響，施工困難；電法勘探主要受到周圍電磁場影響，如干擾嚴重，則施工困難。
2、目前，也有采用微動探測法進行采空區勘查，其具有施工簡便，成本低，受周圍環境影響較小等特點，在地下空間探測中有著極大優勢。該方法以平穩隨機過程理論為依據，從微動信號中提取面波頻散曲線,通過對頻散曲線的反演得到地下介質的橫波速度,從而進行巖性分層及構造分析。其中，微動探測數據可用于建立地下三維空間橫波速度場。
3、而實際情況下，一些采空區通常是地表地質情況復雜、地形起伏較大，傳統采集的微動數據直接用于建立地下三維空間橫波速度場存在與真實情況偏差較大的現象。其主要原因有地形起伏導致差值不連續、地形邊界效應等影響。對于此，有提出對數據進行插值方法計算，三維空間屬性數據常用的插值方法有三線性插值、多項式插值、徑向基函數插值、克里金插值、立方樣條插值、最近鄰插值等。經查詢發現，目前在采空區地下三維空間數據插值計算方面通常為采用上述單一插值計算方法，但是在復雜地形和
技術實現思路
1、本專利技術的目的在于提供基于微動探測技術的采空區三維橫波速度場插值方法，能夠解決三維橫波速度場建立不準確的問題。
2、為實現上述目的，提供基于微動探測技術的采空區三維橫波速度場插值方法，其包括：
3、s1、數據準備：采集來自不同地理位置、地質環境的速度場數據和對應的地質結構數據作為數據集，對數據集進行檢查和預處理，將數據集分為訓練集和驗證集；
4、s2、網絡設計：設計三維卷積神經網絡模型，用于從輸入的地質結構數據中學習速度場的插值規律；三維卷積神經網絡模型的輸入層可接受三維數組；
5、s3、數據處理：對訓練集進行預處理，包括歸一化和標準化操作；
6、s4、模型訓練：使用預處理的訓練集對神經網絡模型進行訓練，選擇均方誤差函數來衡量預測速度場和真實速度場之間的差異；
7、s5、模型驗證：使用驗證集對訓練好的的神經網絡模型進行驗證，采用均方誤差評估模型的表現；
8、s6、模型優化：根據驗證結果調整優化算法，并根據損失函數的梯度來調整模型參數，使損失函數值最小化；
9、s7、模型應用：將優化后的神經網絡模型應用于實際的速度場插值任務中，得到三維橫波速度場的插值結果。
10、根據所述的基于微動探測技術的采空區三維橫波速度場插值方法，s1中，地質結構數據包括地形數據和地質構造數據，速度場數據包括x、y、z和v，地形數據包括x、y和z，其中，x、y、z為單個點的三維空間坐標，v為橫波速度，地質構造數據包含有無斷層、巖性突變、有無較大溶洞和地表地貌類別。
11、根據所述的基于微動探測技術的采空區三維橫波速度場插值方法，s2中，三維卷積神經網絡模型包括：
12、輸入層：接收速度場數據和地質結構數據作為輸入；
13、多尺度卷積層：使用不同尺度卷積核的3d卷積操作提取輸入數據中多尺度的特征參數，以捕獲采空區速度場的空間特征，然后將不同尺度的輸出特征拼接起來形成一個多通道的特征；
14、殘差連接模塊：將輸入張量通過一個多尺度卷積層，使用三個不同大小的卷積核，對輸入張量進行卷積運算，得到三個新的張量，然后將三個新的張量拼接起來形成一個多通道的特征，來保留來自不同尺度的信息；然后，將多通道的特征通過一個標準化層，對張量的每個通道進行標準化處理，增加模型的穩定性和收斂速度；接著，將標準化后的張量通過一個激活函數層，使用relu函數作為激活函數，對張量中的每個元素進行非線性變換，增加模型的表達能力；最后將輸入直接連接到輸出，殘差塊的輸出是輸入向量和殘差塊的內部卷積網絡的輸出相加得到的，從而形成一個殘差塊；
15、池化層：對多尺度卷積層輸出的特征圖進行降維處理；
16、注意力機制層：注意力機制賦予輸入的不同部分不同的權重，使得模型能夠在處理輸入時，集中精力處理那些更重要的部分，可以使得模型更加高效地利用有限的計算資源，并且增強網絡插值的效果；
17、全連接層：將注意力機制層輸出的特征圖展開成一維向量，以便可以輸入到全連接層中，并通過全連接層學習特征之間的關系；
18、輸出層：輸出三維速度場值結果；
19、其中，空間特征包括地形、地質構造、巖石類型與成分、地下水及其流動以及地球物理特征；生成的特征圖是通過處理原始數據，在模型中表示不同位置或區域的特征強度或響應。
20、根據所述的基于微動探測技術的采空區三維橫波速度場插值方法，s2中，從輸入的地質結構數據中學習速度場的插值規律包括：
21、使用卷積核大小分別為3×3×3、5×5×5和7×7×7的多尺度卷積層來提取不同尺度速度場和地形數據的特征參數，不同尺度的卷積核并行工作，然后將它們的輸出拼接；
22、使用注意力機制層為不同的輸入區域分配不同的權重；
23、將速度場和地形數據作為多通道輸入給網絡；每一通道代表不同類型的數據，讓網絡同時學習兩種數據的相關特征；
24、使用殘差連接模塊來增強神經網絡模型對復雜特征參數的提取能力，并且幫助緩解梯度消失、爆炸問題，加速訓練過程；
25、選擇池化層和正則化方法，以降低特征維度并提高模型的魯棒性，提高神經網絡模型的泛化能力和穩健性；
26、全連接層用于將前幾層提取的特征轉換為最終的預測結果，選擇激活函數，以引入非線性，并幫助模型學習復雜的映射關系；
27、通過全連接層和激活函數得到速度場的插值結果。
28、根據所述的基于微動探測技術的采空區三維橫波速度場插值方法，在s4中，模型訓練的具體步驟包括：
29、批量數據處理：將訓練集分批次輸入到神經網絡模型中；
30、前向傳播：對于每個批次的數據，首先進行前向傳播計算；本步驟中，輸入數據經過神經網絡的各層，生成模型的預測輸出；
31、計算損失函數：使用均方誤差損失函數計算模型預測輸出與真實數據之間的差異；
32、反向傳播：在計算完損失函數后，通過反向傳播算法計算損失本文檔來自技高網...
【技術保護點】
1.基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，包括：
2.根據權利要求1所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，S1中，地質結構數據包括地形數據和地質構造數據，速度場數據包括x、y、z和V，地形數據包括x、y和z，其中，x、y、z為單個點的三維空間坐標，V為橫波速度，地質構造數據包含有無斷層、巖性突變、有無較大溶洞和地表地貌類別。
3.根據權利要求2所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，S2中，三維卷積神經網絡模型包括：
4.根據權利要求3所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，S2中，從輸入的地質結構數據中學習速度場的插值規律包括：
5.根據權利要求4所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，在S4中，模型訓練的具體步驟包括：
6.根據權利要求4或5所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，
7.根據權利要求6所述的基于微動探測技術的采空區三維橫波速度場插值方法，
8.根據權利要求6所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，
9.根據權利要求6所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，S7中，將優化后的神經網絡模型應用于實際的速度場插值任務中，得到三維橫波速度場的插值結果包括：
10.根據權利要求4所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，所述特征參數包括相鄰兩點的距離和高差。
...【技術特征摘要】
1.基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，包括：
2.根據權利要求1所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，s1中，地質結構數據包括地形數據和地質構造數據，速度場數據包括x、y、z和v，地形數據包括x、y和z，其中，x、y、z為單個點的三維空間坐標，v為橫波速度，地質構造數據包含有無斷層、巖性突變、有無較大溶洞和地表地貌類別。
3.根據權利要求2所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，s2中，三維卷積神經網絡模型包括：
4.根據權利要求3所述的基于微動探測技術的采空區三維橫波速度場插值方法，其特征在于，s2中，從輸入的地質結構數據中學習速度場的插值規律包括：
5.根據權利要求4所述的基于微動探測技術的...
【專利技術屬性】
技術研發人員：何旭東，史文兵，朱永東，葉輝，阮凡，楊昌文，王蒿，
申請(專利權)人：貴州大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。