DOI: https://doi.org/10.3390/fractalfract9110679
تاريخ النشر: 2025-10-23
المؤلف: Huicong Xu وآخرون
الموضوع الرئيسي: علم الزلازل ودراسات الزلازل
نظرة عامة
تقدم هذه البحث نهجًا مبتكرًا لتعزيز تحديد وصول موجات P في الإشارات الميكروسيزمية الناتجة عن أنشطة التعدين، والتي تتميز غالبًا بنسب إشارة إلى ضوضاء منخفضة (SNR). يقترح المؤلفون خوارزمية تنقية تكييفية تدمج بين عتبة الموجة مع تحليل الوضع التجريبي الكامل مع الضوضاء التكيفية (CEEMDAN) لقمع الضوضاء الخلفية بشكل فعال. تحتفظ الطريقة بوظائف الوضع الجوهري ذات الترددات المنخفضة والمتوسطة الأساسية (IMFs) بينما تطبق تنقية عتبة الموجة على IMFs ذات الترددات العالية، مما يحسن بشكل كبير من وضوح الإشارة. بالإضافة إلى ذلك، يقدم البحث طريقة تلقائية لتحديد وصول موجات P تستخدم ميزات أبعاد الصندوق الفركتالي لتحليل تعقيد الموجة، مقترنة بميزات طفرات الطاقة المستمدة من نسبة الطاقة المتوسطة القصيرة/الطويلة الأجل (STA/LTA).
تشير النتائج إلى أن طريقة التنقية المقترحة تحقق تقليصًا في خطأ الجذر التربيعي المتوسط (RMSE) يصل إلى 39.7% وزيادة في نسبة الإشارة إلى الضوضاء (SNR) بنسبة 35.1%، مما يثبت تفوقها على الطرق التقليدية. تظهر طريقة الاختيار التلقائي خطأ مطلق متوسط (MAE) قدره 2.5 مللي ثانية ومعدل نجاح في الاختيار يتجاوز 95%، مما يؤكد موثوقيتها عبر ظروف الضوضاء المتنوعة. يبرز البحث قوة الطريقة ضد SNR المنخفض والتداخل الطيفي، مما يقلل من احتمال حدوث تنبيهات كاذبة وفقدان الكشف. بينما تظهر الطريقة وعدًا في المراقبة الميكروسيزمية في التعدين، هناك حاجة إلى تقييم إضافي لتقدير قابليتها للتكيف مع ظروف جيولوجية متنوعة وبيئات ضوضاء معقدة في الدراسات المستقبلية.
مقدمة
تناقش مقدمة ورقة البحث أهمية أنظمة المراقبة الميكروسيزمية في الهندسة تحت الأرض، لا سيما لتحديد المصادر، والتحقيق في الكوارث الديناميكية للفحم والصخور، والتحذير المبكر من الانفجارات الصخرية. تقدم هذه الأنظمة مزايا على طرق المراقبة التقليدية، مثل التغطية الواسعة، وجمع البيانات في الوقت الحقيقي، والحد الأدنى من الاضطراب في عمليات التعدين. ومع ذلك، غالبًا ما تعيق فعالية المراقبة الميكروسيزمية الضوضاء القوية الناتجة عن أنشطة التعدين المختلفة، مما يعقد وضوح الإشارة وتحديد الطور، وبالتالي يتحدى موثوقية تحديد الموقع ومقلوب الطاقة.
تسلط الورقة الضوء على تطور تقنيات التنقية من الطرق الكلاسيكية، مثل تصفية النطاق الترددي وتنقية عتبة الموجة، إلى الخوارزميات الذكية الحديثة، بما في ذلك الشبكات العصبية التلافيفية (CNNs) وطرق التعلم الآلي. على الرغم من التقدم، لا تزال التحديات قائمة في تحديد وصول موجات P بدقة بسبب الخصائص الفريدة للإشارات الميكروسيزمية الناتجة عن التعدين، والتي غالبًا ما تكون قصيرة في المدة وملوثة بشدة بالضوضاء. يقترح البحث طريقة جديدة تجمع بين التنقية التكيفية عبر تحليل الوضع التجريبي (EMD) مع توصيف التعقيد باستخدام أبعاد الصندوق الفركتالي (FBD). تهدف هذه الطريقة إلى تعزيز وضوح الإشارة وقوتها في تحديد وصول موجات P من خلال تحليل كل من ميزات التعقيد والطاقة، مع معالجة قيود الطرق الحالية في البيئات تحت الأرض المعقدة.
نقاش
تتناول قسم النقاش في ورقة البحث التقدم في تقنيات قمع الضوضاء لمعالجة الإشارات الميكروسيزمية، لا سيما من خلال دمج تحليل الوضع التجريبي الكامل مع الضوضاء التكيفية (CEEMDAN) وتنقية عتبة الموجة. تعالج طريقة CEEMDAN بشكل فعال قيود تحليل الوضع التجريبي التقليدي (EMD)، مثل خلط الأوضاع وعدم الاستقرار تحت ظروف الضوضاء، من خلال دمج الضوضاء الغاوسية ومتوسط المجموعة، مما يعزز دقة وكفاءة الحساب لعملية التحليل. تتيح هذه الطريقة الفصل الواضح بين الضوضاء ذات التردد العالي ومكونات الإشارة المهمة، مما يحسن وضوح ميزات الأحداث الزلزالية.
علاوة على ذلك، تؤكد الدراسة على أهمية اختيار قاعدة موجة مناسبة للتنقية، حيث تم تحديد عائلة موجات داوبشي، وخاصة موجة db9، كأفضل خيار للإشارات الميكروسيزمية. تمكّن خصائص موجة db9، بما في ذلك الدعم المضغوط ولحظات التلاشي عالية الترتيب، من تمثيل التغيرات المفاجئة بشكل فعال مع تقليل تشويه الطور. تجمع خوارزمية التنقية المقترحة بين CEEMDAN وعملية عتبة الموجة، باستخدام تقنية عتبة SUREShrink لتعظيم قمع الضوضاء مع الحفاظ على الخصائص الأساسية للإشارة. تضع هذه الطريقة المبتكرة أساسًا قويًا لطرق التحليل اللاحقة، مثل أبعاد الصندوق الفركتالي وتقنيات STA/LTA، التي تهدف إلى تعزيز دقة تحديد وصول موجات P في المراقبة الميكروسيزمية.
DOI: https://doi.org/10.3390/fractalfract9110679
Publication Date: 2025-10-23
Author(s): Huicong Xu et al.
Primary Topic: Seismology and Earthquake Studies
Overview
This research presents an innovative approach to enhance the identification of P-wave arrivals in microseismic signals generated by mining activities, which are often characterized by low signal-to-noise ratios (SNR). The authors propose an adaptive denoising algorithm that integrates wavelet-thresholding with Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) to effectively suppress background noise. The method retains essential low- and mid-frequency intrinsic mode functions (IMFs) while applying wavelet-threshold denoising to high-frequency IMFs, significantly improving signal clarity. Additionally, the study introduces an automatic P-wave arrival picking method that utilizes fractal box dimension features to analyze waveform complexity, coupled with energy mutation features derived from the short-term/long-term average (STA/LTA) energy ratio.
The findings indicate that the proposed denoising method achieves a reduction in root mean square error (RMSE) by up to 39.7% and an increase in SNR by 35.1%, demonstrating its superiority over traditional methods. The automatic picking method exhibits a mean absolute error (MAE) of 2.5 ms and a picking success rate exceeding 95%, confirming its reliability across varying noise conditions. The research highlights the method’s robustness against low SNR and spectral overlap, reducing the likelihood of false triggers and missed detections. While the approach shows promise for microseismic monitoring in mining, further evaluation is needed to assess its adaptability to diverse geological conditions and complex noise environments in future studies.
Introduction
The introduction of the research paper discusses the significance of microseismic monitoring systems in underground engineering, particularly for source identification, coal-rock dynamic disaster investigation, and rockburst early warning. These systems offer advantages over traditional monitoring methods, such as extensive coverage, real-time data acquisition, and minimal disruption to mining operations. However, the effectiveness of microseismic monitoring is often hindered by strong noise from various mining activities, which complicates signal clarity and phase identification, thereby challenging the reliability of source localization and energy inversion.
The paper highlights the evolution of denoising techniques from classical methods, like band-pass filtering and wavelet-threshold denoising, to modern intelligent algorithms, including convolutional neural networks (CNNs) and machine learning approaches. Despite advancements, challenges persist in accurately picking P-wave arrivals due to the unique characteristics of mining-induced microseismic signals, which are often short in duration and heavily contaminated by noise. The study proposes a novel method that combines adaptive denoising via empirical mode decomposition (EMD) with complexity characterization using the fractal box dimension (FBD). This approach aims to enhance signal clarity and robustness in identifying P-wave arrivals by analyzing both complexity and energy features, addressing the limitations of existing methods in complex underground environments.
Discussion
The discussion section of the research paper elaborates on the advancements in noise suppression techniques for microseismic signal processing, particularly through the integration of Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) and wavelet threshold denoising. The CEEMDAN method effectively addresses the limitations of traditional Empirical Mode Decomposition (EMD), such as mode mixing and instability under noisy conditions, by incorporating Gaussian noise and ensemble averaging, which enhances the accuracy and computational efficiency of the decomposition process. This method allows for the clear separation of high-frequency noise from significant signal components, thereby improving the clarity of seismic event features.
Furthermore, the study emphasizes the importance of selecting an appropriate wavelet basis for denoising, with the Daubechies wavelet family, particularly the db9 wavelet, being identified as optimal for microseismic signals. The db9 wavelet’s properties, including compact support and high-order vanishing moments, enable effective representation of abrupt changes while minimizing phase distortion. The proposed denoising algorithm combines CEEMDAN with wavelet thresholding, utilizing the SUREShrink thresholding technique to maximize noise suppression while preserving essential signal characteristics. This innovative approach lays a solid foundation for subsequent analysis methods, such as the fractal box dimension and STA/LTA techniques, aimed at enhancing the accuracy of P-wave arrival identification in microseismic monitoring.