在微地震监测领域，高精度P波初至自动拾取算法是制约事件定位精度与监测时效性的核心瓶颈。复杂地质条件下，微地震信号普遍呈现低信噪比（SNR<2dB）特征，传统方法在低信噪比条件下存在特征提取能力不足与计算效率低下等局限性。中国地质科学院地质力学研究所张浩副研究员团队突破性提出一种基于混合深度神经网络的微地震P波初至拾取方法（专利号：ZL202410187779.6），成功实现微地震信号智能处理的技术革新。
本发明方法将P波初至检测转化为地震波形图像语义分割任务，构建了从数据预处理到特征识别的端到端预测框架。所述方法包括：获取含有微震事件的道集数据；根据UNet-Transformer混合深度神经网络和道集数据，确定微地震P波初至拾取结果，其中UNet-Transformer混合深度神经网络结构包括依次连接的UNet网络和Transformer头网络；UNet网络包括U型连接的编码器和解码器；Transformer头网络包括依次连接的特征嵌入层、转换器和前馈网络；所述解码器还与所述特征嵌入层连接。本发明能够通过保留神经网络中局部和全局上下文信息，以及捕捉输入元素之间的长程关系，从而实现P波初至拾取。
该技术在微地震监测领域应用前景广阔，能提高微地震事件定位精度，改善监测效果，可应用于非常规油气开发，深层地热能开发利用，地质灾害风险预警与评估、矿山开采安全与岩爆治理，储气库运行风险控制与预警等领域，实践意义突出。地质力学研究所将加大技术推广，提升成熟度，推动成果转化，为微地震数据处理与监测业务提供技术支持，助力地质科学研究和能源资源开发与绿色安全利用。
图1 授权发明专利证书
图2 混合神经网络微地震初至拾取方法原理图
