微地震事件分类方法、装置、设备及可读存储介质

1.本发明涉及微地震事件分析技术领域，特别是涉及一种微地震事件分类方法、装置、设备以及计算机可读存储介质。


背景技术：

2.在采集石油、天然气的油井中，随着油气开采过程的进行，油井的地质结构、煤层等等各方面的原因引发地层环境发生变化，进而引发地层产生微地震事件。微地震事件引发原因可以主要分为三种：煤层破裂、地层构造活化以及地下水运动；而通过微地震事件识别煤层破裂、地层构造活化以及地下水运动，对油井的安全预测以及报警具有重要意义。
3.目前对微地震识别的识别主要通过对微地震信号进行监测分析，识别出微地震信号中是否存在煤层破裂、地层构造活化以及地下水运动等原因引起的此号，但具体如何实现对微地震信号的分析，是业内热门研究的方向之一。


技术实现要素：

4.本发明的目的是提供一种微地震事件分类方法、装置、设备以及计算机可读存储介质，能够提升微地震事件识别分类的准确性。
5.为解决上述技术问题，本发明提供一种微地震事件分类方法，包括：
6.采集微地震信号并识别所述微地震信号中的多个有效信号段；
7.对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据；
8.根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段；
9.当同一类的有效信号段中预设比例个有效信号满足第一波形条件，则同一类的所述有效信号段为地下流体运动对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第二波形条件，则同一类的所述有效信号段为地下构造应力变化对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第三波形条件，则同一类的所述有效信号段为煤岩层破裂对应的地震信号；
10.其中，所述第一波形条件为包含p波不包含s波；所述第二波形条件为同时包含s波和p波；所述第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。
11.可选地，对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据，包括：
12.对各个所述有效信号段均提取包括总能量、平均能量、总熵、平均熵、总振铃、平均振铃、上升时间、持续时间、主频、最大振幅绝对值、p波s波时间差、p波s波振幅比的特征数据中的多个特征数据。
13.可选地，采集微地震信号并识别所述微地震信号中的多个有效信号段，包括：
14.对所述微地震信号进行多尺度形态学分解，并将分解后的所述微地震信号对应的分解剖面和预设阈值进行对比，以所述分解剖面大于所述预设阈值对应的微地震信号段作
为有效信号段。
15.可选地，根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段之后，还包括：
16.对于同一类的所述有效信号段的振幅值进行归一化运算，以便判断归一化运算后的所述有效信号段是否满足所述第一波形条件、所述第二波形条件以及所述第三波形条件。
17.可选地，根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段，包括：
18.采用凝聚式层次聚类分析算法对各个所述有效信号段的所述特征数据进行运算，获得属于同一类的有效信号段。
19.可选地，包括：
20.信号采集模块，用于采集微地震信号并识别所述微地震信号中的多个有效信号段；
21.特征提取模块，用于对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据；
22.聚类分析模块，用于根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段；
23.信号分类模块，用于当同一类的有效信号段中预设比例个有效信号满足第一波形条件，则同一类的所述有效信号段为地下流体运动对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第二波形条件，则同一类的所述有效信号段为地下构造应力变化对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第三波形条件，则同一类的所述有效信号段为煤岩层破裂对应的地震信号；
24.其中，所述第一波形条件为包含p波不包含s波；所述第二波形条件为同时包含s波和p波；所述第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。
25.可选地，所述特征提取模块具体用于所述对各个所述有效信号段均提取包括总能量、平均能量、总熵、平均熵、总振铃、平均振铃、上升时间、持续时间、主频、最大振幅绝对值、p波s波时间差、p波s波振幅比的特征数据中的多个特征数据。
26.可选地，所述聚类分析模块具体用于采用凝聚式层次聚类分析算法对各个所述有效信号段的所述特征数据进行运算，获得属于同一类的有效信号段。
27.一种微地震事件分类设备，包括：
28.存储器，用于存储计算机程序；
29.处理器，用于执行所述计算机程序，以实现如上任一项所述的微地震事件分类方法的步骤。
30.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的微地震事件分类的步骤。
31.本发明所提供的一种微地震事件分类方法，包括：采集微地震信号并识别微地震信号中的多个有效信号段；对各个有效信号段进行特征提取，获取每个有效信号段的特征数据；根据特征数据对各个有效信号进行聚类分析，获得属于同一类的有效信号段；当同一类的有效信号中预设比例的有效信号满足第一波形条件，则同一类的有效信号为地下流体
运动对应的地震信号；当同一类的有效信号中预设比例的有效信号满足第二波形条件，则同一类的有效信号为地下构造应力变化对应的地震信号；当同一类的有效信号中预设比例的有效信号满足第三波形条件，则同一类的有效信号为煤岩层破裂对应的地震信号；其中，第一波形条件为包含p波不包含s波；第二波形条件为同时包含s波和p波；第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。
32.本技术中在对微地震事件进行分类时，先对微地震信号中的有效信号段进行提取，并获得每个有效信号段对应的特征数据；以各个有效信号段的特征数据为依据进行聚类分析，最终根据属于同一类有效信号段的波形特征识别出各类有效信号所属的微地震事件类型。无需在微地震事件识别过程中预先为每种微地震事件对应微地震信号划定特征范围或标准，避免因地形变化导致划定的特征范围或标准不准确，进而导致识别确定的微地震事件不准确的问题，在一定程度上提升微地震事件识别的准确性和有效性。
33.本技术还提供了一种微地震事件分类装置、设备以及计算机可读存储介质，具有上述有益效果。
附图说明
34.为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
35.图1为本技术实施例提供的为地震事件分类方法的流程示意图；
36.图2为本发明实施例提供的微地震事件分类装置的结构框图。
具体实施方式
37.目前基于信号数据实现分类的方式大多数是依据信号特征样本，基于大数据统计学原理进行数据分析，为每一类别的数据划定一个范围标准，后续采集的数据对应于哪一范围标准即属于哪一类别；或者是依据神经网络模型对信号特征样本进行数据学习训练，获得识别模型。
38.但是对于微地震信号而言，首先其微地震信号中对微地震事件识别有贡献的有效信号数据本身就相对较少，往往难以满足大数据分析的需求，更难以依次划定各个微地震事件的信号范围标准。而对于神经网络训练而言，也同样存在样本不足的问题。此外，无论是基于统计学原理分析数据确定信号范围标准还是基于神经网络训练确定识别模型，都无法避免因油井环境变换导致各种微地震事件的信号发生一定程度变化的问题，进而导致之前样本确定出的信号范围标准和识别模型识别微地震事件不准确的问题。
39.为此，本技术中提供了一种能够在一定程度上保证微地震事件识别分类的准确性的技术方案。
40.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
41.如图1所示，图1为本技术实施例提供的为地震事件分类方法的流程示意图。该微地震事件分类方法可以包括：
42.s11：采集微地震信号并识别微地震信号中的多个有效信号段。
43.因为微地震事件具有不可预测性，因此，在对微地震信号进行采集时，是实时的对地层振动情况进行监测获得的微地震信号。一般基于微地震信号进行微地震事件识别分析时，是采集同一个油田井场中多个信号探测器持续一段时间内检测的微地震信号。
44.可以理解的是，在持续检测采集微地震信号的过程中，并不会一直产生微地震事件，因此，微地震信号中也仅仅只有在微地震事件发生时对应的信号对微地震事件的识别存在价值；为此本实施例中需要在微地震信号中筛选出微地震事件发生时采集的有效信号段。
45.在发生微地震事件的时段检测获得的微地震信号的强度明显强于未发生微地震事件时段对应的信号强度，由此即可以此为依据确定出发生微地震时间发生时段对应的有效信号段。例如可以直接依据微地震信号的幅值大小，将幅值大小普遍较大的信号时段确定为有效时间。
46.还例如可以采用对微地震信号进行多尺度形态学分解，并将分解后的微地震信号对应的分解剖面和预设阈值进行对比，以分解剖面大于预设阈值对应的微地震信号段，作为有效信号段。
47.当然可以理解的是，多尺度形态学对微地震信号进行分解后，对应存在多个分解剖面，在实际应用中可以选择其中一个分解剖面的数据和预设阈值进行对比。
48.s12：对各个有效信号段进行特征提取，获取每个有效信号段的特征数据。
49.需要说明的是，为了保证后续对有效信号段对应的微地震事件的识别的准确性，在对有效信号进行特征提取，应当尽可能的从各个不同的方面提取更多的特征数据。
50.例如，本实施例中每个有效信号段提取的特征数据可以包括：总能量、平均能量、总熵、平均熵、总振铃、平均振铃、上升时间、持续时间、主频、最大振幅绝对值、p波s波时间差、p波s波振幅比的特征数据中的多个特征数据，或者还可以包括上述所有特征数据。
51.下面将对各个特征数据进行详细说明。
52.1)关于总能量和平均能量：用有效信号段对应的振幅平方表示能平均能量是总能量的算术平均值其中，n为有效信号段内采样点个数，ai表示第i个采样点的有效信号的振幅值。
53.2)关于总熵和平均熵：熵是用来描述事物无序性的一个参数，熵越大就越混乱。在信息论中，熵表示随机变量的不确定程度，对于有效信号的振幅值这一随机变量，它可能的取值为x1、x2、x3......xm，对应的每个取值对应的概率分别为p1,p2,p3,......,pm，那么总熵和平均熵的表达式分别为：
54.3)关于总振铃和平均振铃：有效信号在稳态附近来回震荡时产生的过冲和连续的波纹称为振铃效应，是表征信号稳定性的物理量。对于微地震事件的有效信号来说，振铃效应的个数也即总振铃可以通过有效信号的过零点个数表示：l＝length(find(a
iai+1
≤0))；
相应的平均振铃可以为ai和a
i+1
为两个相邻采样点的振幅，n为有效信号段内的采样点数量。
55.4)上升时间和持续时间；有效信号段起点采样点初至时刻到振幅最大值的有效信号采样点的之间的时间间隔即为上升时间；有效信号时间段对应的时长即为持续时间。
56.5)最大振幅绝对值和主频：将各个有效信号的振幅值进行有效值运算，获得的最大的绝对值也即是最大正负绝对值，振幅值绝对值最大信号对应的频率值称为主频：f
max
＝f(|a
max
|)。
57.6)p波s波时间差：
58.地震波主要分为两种，一种是表面波，一种是体波。表面波只在地表传递，体波能穿越地球内部。实体波(body wave)：在地球内部传递，又分成p波和s波两种。p波：p代表主要(primary)或压缩(pressure)，为一种纵波，粒子振动方向和波前进方平行，在所有地震波中，前进速度最快，也最早抵达。p波能在固体、液体或气体中传递。s波：s意指次要(secondary)或剪力(shear)，前进速度仅次于p波，粒子振动方向垂直于波的前进方向，是一种横波。s波只能在固体中传递，无法穿过液态外地核。利用p波和s波的传递速度不同，利用两者之间的走时差，可作简单的地震定位。
59.本实施例中，p波s波时间差即s波和p波的初至到时差，可通过公式确定，st(s)表示s波的初至时刻，st(p)表示p的初至时刻。
60.7)p波s波振幅比：即s波和p波最大振幅比值的绝对值，可通过公式确定，a
max
(s)表示s波的最大振幅，a
max
(p)表示p波的最大振幅。
61.s13：根据特征数据对各个有效信号进行聚类分析，获得属于同一类的有效信号段。
62.聚类分析算法是通过提取、分析数据集中数据的某些特性，利用不同数据在这些特性之间的联系(比如相似性)，在某种标准下(比如距离最短)将数据集分成若干簇的一种方法。接下来在上述特征的基础上计算各个事件之间的马氏距离：表示任意两个事件xi和xj之间的马氏距离，∑-1
表示协方差矩阵的逆矩阵。选择用平均距离来度量两个簇之间的距离：na和nb分别表示簇a和簇b中对象的个数，d
a,b
表示任意簇a和簇b中任意两个对象的距离。
63.本实施例中以每个有效信号的多个特征数据作为表征该有效信号的特性的数据，由此可以通过聚类算法对各个有效信号的特征数据进行聚类分析，使得各个特征数据更为
接近的有效信号划分为同一类。
64.例如可以利用凝聚式层次聚类分析算法实现对有效信号分类。凝聚式层次聚类分析是一种自下而上的策略，它将每个有效信号对应的特征数据看成一簇(一类，共n类)，将各个有效信号的特征数据之间进行相似度运算或者马氏距离运算，找到两个相似度最高或距离最小的两个有效信号段合并为同一簇，然后迭代这一过程，不断将各个簇进行合并，直到所有对象都位于一簇中或者满足某个迭代终止条件。对于一个包含n个有效信号段的聚类运算来说，最终聚类结果中对象种类数量m与聚类次数n之和与有效信号段的数量相同。
65.s14：当同一类的有效信号段中预设比例个有效信号满足第一波形条件，则同一类的有效信号段为地下流体运动对应的地震信号。
66.第一波形条件为包含p波不包含s波。
67.对于地下流体运动对应的地震信号波形，波形特征表现为信号的最大振幅值明显高于其它振幅值，且有效信号段对应的上升时间和持续时间都较短，振铃总数也较少。
68.s15：当同一类的有效信号段中预设比例个有效信号满足第二波形条件，则同一类的有效信号段为地下构造应力变化对应的地震信号。
69.第二波形条件为同时包含s波和p波。
70.对于地下构造应力变化对应的地震信号波形，包含两个明显的波峰，即p波和s波，且p波和s波的上升时间较短，有效信号段的持续时间较长，振铃总数较少。
71.s16：当同一类的有效信号段中预设比例个有效信号满足第三波形条件，则同一类的有效信号段为煤岩层破裂对应的地震信号。
72.第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。
73.对于煤岩层破裂对应的地震信号波形，有多个振幅值与最大振幅值相近，且信号上升时间和持续时间较长，振铃总数也较多。
74.需要说明的是，在对各个有效信号段进行聚类分析进行类别划分之后，为了更好的对每一类别对应的有效信号段的波形特性进行分析识别，以确定同一类的有效信号段所属的地震事件，可以将各个有效信号段中的有效信号的振幅值进行归一化运算，使得各个有效信号段中的有效信号的振幅值都转换为同一量级，便于各个有效信号段之间有效信号之间的对比。
75.本技术中考虑到在基于有效信号段内的有效信号识别分析对应的微地震事件时，针对不同的地域、或随着油井开采的过程的进行导致地层结构发生变化等等原因，或多或少会在一定程度上采集到的有效信号的大小。也即是说不同地域不同开采程度的井场中，同样的微地震时间对应的有效信号可能都是存在差异的。而如果在对有效信号对应的微地震事件进行分类判断时，是依据大量历史有效信号数据作为样本，基于统计学原理确定对有效信号进行划分所属微地震事件的信号标准，例如设定按照某一变化规律变化的有效信号段对应于某一类微地震事件等等，但是对于不同的低于不同的开采程度，这一变化规律可能发生变化，预先确定好的变化规律标准有作为判断微地震事件的有效性就相对偏低。还例如，依据大量历史有效信号数据进行神经网络训练获得识别模型，其本质是给予历史有效信号之间的内在联系确定识别模型，但同样对于不同的低于不同的开采程度这一内在联系也可能发生变化，这一识别模型的准确性就会降低。
76.还存在另一个问题就是微地震事件发生的频率本身就相对较少，往往难以获得足
够多的样本，显然基于少量的样本数据确定的为地震事件判断识别标准或识别模型显然也进一步地使得识别结果准确性降低。
77.为此，本技术中不依赖数据样本的学习训练，直接依据采集获得的有效信号段内的有效信号本身的特征数据进行聚类分析，也即是说对有效信号类别的划分是基于当前采集到的有效数据本身的特性所划分的，而不是依据样本数据确定的标准进行划分，在此基础上根据每种微地震事件对应的有效信号基本都遵循的较为明确的波形规律，确定每一类有效信号段对应的微地震事件，在很大程度上降低了部分波形规律不明显的有效信号对应的微地震事件划分的难度；也在一定程度上表面以地域地层等因素变化对微地震事件划定所产生干扰提升微地震事件识别的准确性和有效性。
78.下面对本发明实施例提供的微地震事件分类装置进行介绍，下文描述的微地震事件分类装置与上文描述的微地震事件分类方法可相互对应参照。
79.图2为本发明实施例提供的微地震事件分类装置的结构框图，参照图2的微地震事件分类装置可以包括：
80.信号采集模块100，用于采集微地震信号并识别所述微地震信号中的多个有效信号段；
81.特征提取模块200，用于对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据；
82.聚类分析模块300，用于根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段；
83.信号分类模块400，用于当同一类的有效信号段中预设比例个有效信号满足第一波形条件，则同一类的所述有效信号段为地下流体运动对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第二波形条件，则同一类的所述有效信号段为地下构造应力变化对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第三波形条件，则同一类的所述有效信号段为煤岩层破裂对应的地震信号；
84.其中，所述第一波形条件为包含p波不包含s波；所述第二波形条件为同时包含s波和p波；所述第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。
85.在本技术的一种可选地实施例中，所述特征提取模块200具体用于所述对各个所述有效信号段均提取包括总能量、平均能量、总熵、平均熵、总振铃、平均振铃、上升时间、持续时间、主频、最大振幅绝对值、p波s波时间差、p波s波振幅比的特征数据中的多个特征数据。
86.在本技术的一种可选地实施例中，信号采集模块100，用于对所述微地震信号进行多尺度形态学分解，并将分解后的所述微地震信号对应的分解剖面和预设阈值进行对比，以所述分解剖面大于所述预设阈值对应的微地震信号段作为有效信号段。
87.在本技术的一种可选地实施例中，还包括归一化运算模块，用于对于同一类的所述有效信号段的振幅值进行归一化运算，以便判断归一化运算后的所述有效信号段是否满足所述第一波形条件、所述第二波形条件以及所述第三波形条件。
88.在本技术的一种可选地实施例中，所述聚类分析模块具体用于采用凝聚式层次聚类分析算法对各个所述有效信号段的所述特征数据进行运算，获得属于同一类的有效信号段。
89.本实施例的微地震事件分类装置用于实现前述的微地震事件分类方法，因此微地震事件分类装置中的具体实施方式可见前文中的微地震事件分类方法的实施例部分，在此不再赘述。
90.本技术还提供了一种微地震事件分类设备的实施例，该设备可以包括：
91.存储器，用于存储计算机程序；
92.处理器，用于执行所述计算机程序，以实现如上任一项所述的微地震事件分类方法的步骤。
93.本技术的处理器执行所述计算机程序实现的所述微地震事件的分类方法的步骤可以包括：
94.采集微地震信号并识别所述微地震信号中的多个有效信号段；
95.对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据；
96.根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段；
97.当同一类的有效信号段中预设比例个有效信号满足第一波形条件，则同一类的所述有效信号段为地下流体运动对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第二波形条件，则同一类的所述有效信号段为地下构造应力变化对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第三波形条件，则同一类的所述有效信号段为煤岩层破裂对应的地震信号；
98.其中，所述第一波形条件为包含p波不包含s波；所述第二波形条件为同时包含s波和p波；所述第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。
99.本技术还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如上任一项所述的微地震事件分类的步骤。
100.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本技术实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
101.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

技术特征：
1.一种微地震事件分类方法；其特征在于，包括：采集微地震信号并识别所述微地震信号中的多个有效信号段；对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据；根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段；当同一类的有效信号段中预设比例个有效信号满足第一波形条件，则同一类的所述有效信号段为地下流体运动对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第二波形条件，则同一类的所述有效信号段为地下构造应力变化对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第三波形条件，则同一类的所述有效信号段为煤岩层破裂对应的地震信号；其中，所述第一波形条件为包含p波不包含s波；所述第二波形条件为同时包含s波和p波；所述第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。2.如权利要求1所述的微地震事件分类方法，其特征在于，对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据，包括：对各个所述有效信号段均提取包括总能量、平均能量、总熵、平均熵、总振铃、平均振铃、上升时间、持续时间、主频、最大振幅绝对值、p波s波时间差、p波s波振幅比的特征数据中的多个特征数据。3.如权利要求1所述的微地震事件分类方法，其特征在于，采集微地震信号并识别所述微地震信号中的多个有效信号段，包括：对所述微地震信号进行多尺度形态学分解，并将分解后的所述微地震信号对应的分解剖面和预设阈值进行对比，以所述分解剖面大于所述预设阈值对应的微地震信号段作为有效信号段。4.如权利要求1所述的微地震事件分类方法，其特征在于，根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段之后，还包括：对于同一类的所述有效信号段的振幅值进行归一化运算，以便判断归一化运算后的所述有效信号段是否满足所述第一波形条件、所述第二波形条件以及所述第三波形条件。5.如权利要求1至4任一项所述的微地震事件分类方法，其特征在于，根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段，包括：采用凝聚式层次聚类分析算法对各个所述有效信号段的所述特征数据进行运算，获得属于同一类的有效信号段。6.一种微地震事件分类装置，其特征在于，包括：信号采集模块，用于采集微地震信号并识别所述微地震信号中的多个有效信号段；特征提取模块，用于对各个所述有效信号段进行特征提取，获取每个所述有效信号段的特征数据；聚类分析模块，用于根据所述特征数据对各个所述有效信号段进行聚类分析，获得属于同一类的有效信号段；信号分类模块，用于当同一类的有效信号段中预设比例个有效信号满足第一波形条件，则同一类的所述有效信号段为地下流体运动对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第二波形条件，则同一类的所述有效信号段为地下构造应力变
化对应的地震信号；当同一类的有效信号段中预设比例个有效信号满足第三波形条件，则同一类的所述有效信号段为煤岩层破裂对应的地震信号；其中，所述第一波形条件为包含p波不包含s波；所述第二波形条件为同时包含s波和p波；所述第三波形条件为多个和最大振幅之间的差值小于预设差值的次大振幅。7.如权利要求6所述的微地震事件分类装置，其特征在于，所述特征提取模块具体用于所述对各个所述有效信号段均提取包括总能量、平均能量、总熵、平均熵、总振铃、平均振铃、上升时间、持续时间、主频、最大振幅绝对值、p波s波时间差、p波s波振幅比的特征数据中的多个特征数据。8.如权利要求6或7所述的微地震事件分类装置，其特征在于，所述聚类分析模块具体用于采用凝聚式层次聚类分析算法对各个所述有效信号段的所述特征数据进行运算，获得属于同一类的有效信号段。9.一种微地震事件分类设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序，以实现如权利要求1至5任一项所述的微地震事件分类方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的微地震事件分类的步骤。

技术总结
本发明公开了一种微地震事件分类方法，包括：采集微地震信号并识别微地震信号中的多个有效信号段；对各个有效信号段进行特征提取，获取每个有效信号段的特征数据；根据特征数据对各个有效信号进行聚类分析，获得属于同一类的有效信号段；根据每种微地震时间对应的有效信号大概率上需要遵循的波形规律，确定各个有效信号段对应的微地震事件。本申请中对微地震信号中有效信号段的特征数据为依据进行聚类分析，最终根据属于同一类有效信号段的波形特征识别出各类有效信号所属的微地震事件类型，在一定程度上提升微地震事件识别的准确性和有效性。本申请还提供了一种微地震事件分类装置、设备以及计算机可读存储介质，具有上述有益效果。益效果。益效果。


技术研发人员：贾靖 赵立松 黄炜霖 尚国军 陈建东 武斌 王国举 高菲
受保护的技术使用者：中国石油大学（北京）
技术研发日：2021.12.01
技术公布日：2022/3/8