排序方式： 共有3条查询结果，搜索用时 78 毫秒
1
1.
微地震事件的空间分布可以用来监测水力压裂过程中裂缝的发育情况。因此,震源定位是微震监测中重要的环节。震源定位依赖准确的速度模型,而震源位置和速度模型的耦合易导致线性迭代的同时反演方法陷入局部极小值。邻近算法作为一种非线性全局优化算法,能够最大程度地避免陷入局部最优解。本文将邻近算法应用于单井监测的微震定位和一维速度模型同时反演,首先利用邻近算法搜索一维速度模型,再使用网格搜索方法进行震源定位,并根据定位的走时残差产生新的速度模型,最后通过若干次迭代使其收敛到最优解。理论和实际数据结果均表明该方法能够避免局部最优解,得到较为可靠的震源位置和一维速度模型。 相似文献
3.
微地震监测技术是监测水力压裂过程、评价压裂效果的重要手段。对于地面监测,P波极性能够直接、快速地反演震源机制,同时极性校正能够提高绕射叠加定位方法的成像精度。因此,准确而迅速地确定P波极性对地面微地震实时监测具有重要意义。卷积神经网络是一种深度学习算法,具有强大的特征学习与分类能力,可用来确定微地震事件的P波极性。地面监测多采用星型、网格型等规则观测系统,本文使用目标道及其相邻检波器记录作为输入样本,构建基于卷积神经网络的多道P波极性分类网络模型。实际数据应用结果表明,相比于单道记录的网络模型,多道的网络模型能够将目标道与相邻道相结合来预测目标道的极性,提高规则观测系统下地面微地震P波极性分类的准确率。 相似文献
1