摘要/Abstract

摘要： 前兆异常出现的时间特征能够体现地震孕育的过程,通过分析前兆信息可以对地震进行短临预测,在地震预测研究中发挥着重要作用.然而传统的计算方法和处理分析模式已经很难快速地从海量观测数据中自动定位异常,识别的精度和适用性也存在不足.因此,本文从井生产数据出发,结合STL时间序列分解、趋势拟合、扩容理论和油气运移等,对汶川地震川西气井压力前兆异常现象和产生机理进行分析,并提出将门控循环神经网络(GRU)模型应用于前兆异常识别中.结果表明,川西地区多口井的气井压力数据在汶川地震前同时出现了异常降低现象,很好地反映出地震前的短临异常.相比于循环换神经网络(RNN),GRU模型充分考虑了井生产数据之间的复杂非线性关系和历史关联程度,能够准确地识别出气井压力的前兆异常现象,模型结果也具有较小的均方根误差(RMSE)和平均绝对误差(MAE),可以作为一种新思路应用于地震前兆异常识别当中.


PDF全文下载地址:

http://www.progeophys.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=9954