融合门控循环单元和自注意力机制的矿山微震P波到时拾取方法

基于深度学习方法提出了一种矿山微震P波到时拾取方法。首先构建CNNDet模型进行事件监测和到时预拾取；其次引入自注意力机制，融合门控循环单元（GRU）构建CGANet模型，对检测到的事件进行P波到时精确拾取；最后将该方法与长短时窗能量比法、DPick和PpkNet方法进行对比，结果显示测试集的事件检测精确率和召回率都达到98%以上，P波到时估计的误差均值和标准差分别为0.014 s和0.051 s，说明本文方法在精确率、召回率及标准差等方面均明显优于上述三种方法。此外，对不同信噪比样本进行测试的结果也证明，本文方法在低信噪比下依然能保持较高的精度。在实际震源定位中，该方法也展现出了更优异的性能。