基于改进支持向量机的微震初至波到时自动拾取方法

微震初至波到时拾取是实现微震震源高精度定位的重要前提。传统的人工拾取方法效率低，而自动拾取方法在低信噪比条件下难以准确拾取初至波到时。针对上述问题，提出了一种基于改进支持向量机（SVM）的微震初至波到时自动拾取方法。首先，对原始微震数据进行归一化处理、线性校正和适当裁剪，将微震数据的振幅、能量和相邻时刻的能量比作为特征对数据标记不同类别；然后采用粒子群优化（PSO）算法和网格搜索法优化SVM的惩罚参数和核函数参数，即先利用PSO算法对参数进行大范围的快速定位，得到初步最优解，再以该解为初始位置重新构建参数搜索区间，设置小步长的网格搜索法对参数进行精细搜寻，得到最优参数，并将该最优参数代入SVM模型进行训练，得到改进SVM模型；最后根据改进的SVM模型对微震数据进行分类识别，定义微震波第1个采样点对应的时刻为初至波到时。采用某矿井下微震监测数据进行实验，结果表明：该方法对微震初至波到时的拾取准确率达96.5%，平均拾取误差为3.8 ms，在低信噪比情况下仍可对微震初至波到时进行准确拾取，拾取精度高于自动拾取方法中常用的长短时窗能量比（STA/LTA）法。