基于去噪注意力损失网络的公路边坡微震事件识别方法

《Scientific Reports》：Denoising attention loss network for microseismic monitoring of highway slopes

　　公路边坡微震监测是预警公路边坡不稳定落石等地质灾害的关键技术之一。针对实际监测场景中存在的严重噪声干扰和微震事件样本高度不平衡的问题，提出了一种去噪注意力损失网络，用于公路边坡微震事件的识别。首先，设计了一个具有双重时频约束的深度时频去噪模块，其中构建了一个编码采样模块，并将其与时频损失优化相结合，以增强噪声抑制能力。其次，引入了结合通道注意力和时间注意力的混合注意力机制，以提升微震信号的特征提取能力。最后，提出了一种动量自适应加权类别平衡损失，以动态调整损失的显著性并解决数据不平衡问题。在公路边坡微震数据集上开展的广泛实验表明，所提方法在强噪声干扰和类别不平衡条件下具有鲁棒性，凸显了其在公路边坡落石监测方面的实用价值。