《工程科学学报》录用稿，htps://doi.org/10.13374/i,issn2095-9389.2021.06.16.007©北京科技大学2020 工程科学学报 基于手机移动传感网络的矿震群智定位方法 罗浩D☒，冯天真”，于靖康》，潘一山”，张利” 1)辽宁大学信息学院，辽宁沈阳1100362)辽宁大学环境学院，辽宁沈阳110036 ☒通信作者，E-mail:luohao8711@163.com 摘要为提高矿震监测系统定位精度，减少监测盲区，降低监测成本，基于分布式的思想，提出一种基于手机移动传感网 络的可震定位方法。首先以矿区附工人及家属等使用的智能手机建立手机移动传感网络， 丞对模拟震源点网格化，构 建基于标准差的目标函数，提出改进的萤火虫寻优策略，并使用拐点回溯法以及手机移动传感网排除离散点策略(EDPS) 降低定位误差，最后通过矿震模拟实验进行验证。实验结果表明：，在手机移动传感网络无到时误差理想情况下，所有模拟 震源点都能够准确收敛至震源位置，定位误差小子1m。但宇机相较于检波器到时误差较高，定位误差与到时误差具有相 关性，当手机到时误差为-1.0s~1.0s时，传统算法定位误差为216m,无法实现高精度定位通过研究日标函数值与定位误差 间的关系，提出并使用拐点回溯法以及EDPS两种优化方法，算法绝对定位误差降低至3，当到时误差为-0.2s0.2s时， 绝对定位误差降低至17m,定位精度提高76.1%。基于手机移动传感网络的矿震群智定位才法，为矿震监测提供了一种新方 法，未来可考虑与井下微震系统联合，在节省监测成本、提高定位精度方面具有重要意义。 关键词矿震：智能手机：群智定位：到时误差：排除离散点策略(EDPS) 分类号TD76 Location method of mining-induced seismicity based on crowd-sensing of phone mobile sensor network LUO Hao,FENG Tian-zhen,YU Jing-kang,PAN Yi-shan,ZHANG Li 1)College of Information,Liaoning University,Shenyang 110036,China 2) School of Environment,Liaoning University,Shenyang 110036,China Corresponding author,E-mail:luohao8711@163.com ABSTRACT In order to improve the positioning accuracy of mining-induced seismicity monitoring system,reduce the monitoring blind area and reduce the monitoring cost,based on the distributed idea,this paper proposes an positioning method of mining-induced seismicity based on smart phone sensor network.Firstly,smart phones used by workers and their families near the mining area were used to establish a mobile sensor network.Secondly,the simulated source points were meshed and the objective function based on standard deviation was constructed.An improved firefly optimization strategy was proposed.The inflection point backtracking method and smart phone sensor network exclude discrete points strategy,namely EDPS to reduce positioning error. Finally,it is verified by the simulation experiment of mining-induced seismicity location.The experimental results show that:Under the ideal condition that there is no arrival time error in the smart phone sensor network,all the simulated source points can converge to the source position accurately,and the positioning error is less than 1 m.However,compared with the detector,the arrival error of smart phone is higher,and the positioning error is correlated with the arrival error.When the mobile phone arrival error is-1.0s~ 1.0s,the traditional algorithm positioning error is 216m,which can not achieve high-accuracy positioning.By researching the relationship between the objective function value and positioning error,propose and use two optimization methods,inflection point backtracking method and EDPS.The absolute positioning error of the algorithm is reduced to 73m.When the time error is-0.2s~ 0.2s,the absolute positioning error is reduced to 17m,and the positioning accuracy is improved by 76.1%.Location method of mining-induced seismicity based on crowd-sensing of phone mobile sensor network provides a new method for mining-induced 基金项目：国家自然科学基金资助项目(51704138)：国家重点研发计划资助项目(2017YFC0804208),辽宁省教育厅科学技术研究资助项目 (LQN201910)
工程科学学报 基于手机移动传感网络的矿震群智定位方法 罗 浩 1)，冯天真 1)，于靖康 1)，潘一山 2)，张 利 1) 1) 辽宁大学 信息学院，辽宁 沈阳 110036 2) 辽宁大学 环境学院，辽宁 沈阳 110036 通信作者，E-mail:luohao8711@163.com 摘 要 为提高矿震监测系统定位精度，减少监测盲区，降低监测成本，基于分布式的思想，提出一种基于手机移动传感网 络的矿震定位方法。首先以矿区附近工人及家属等使用的智能手机建立手机移动传感网络，其次对模拟震源点网格化，构 建基于标准差的目标函数，提出改进的萤火虫寻优策略，并使用拐点回溯法以及手机移动传感网络排除离散点策略 (EDPS) 降低定位误差，最后通过矿震模拟实验进行验证。实验结果表明：在手机移动传感网络无到时误差理想情况下，所有模拟 震源点都能够准确收敛至震源位置，定位误差小于 1m。但手机相较于检波器到时误差较高，且定位误差与到时误差具有相 关性，当手机到时误差为-1.0s~1.0s 时，传统算法定位误差为 216m，无法实现高精度定位。通过研究目标函数值与定位误差 间的关系，提出并使用拐点回溯法以及 EDPS 两种优化方法，算法绝对定位误差降低至 73m，当到时误差为-0.2s~0.2s 时， 绝对定位误差降低至 17m，定位精度提高 76.1%。基于手机移动传感网络的矿震群智定位方法，为矿震监测提供了一种新方 法，未来可考虑与井下微震系统联合，在节省监测成本、提高定位精度方面具有重要意义。 关键词 矿震；智能手机；群智定位；到时误差；排除离散点策略(EDPS) 分类号 TD76 Location method of mining-induced seismicity based on crowd-sensing of phone mobile sensor network LUO Hao1), FENG Tian-zhen1), YU Jing-kang1), PAN Yi-shan2), ZHANG Li1) 1) College of Information , Liaoning University, Shenyang 110036, China 2) School of Environment , Liaoning University , Shenyang 110036, China Corresponding author, E-mail:luohao8711@163.com ABSTRACT In order to improve the positioning accuracy of mining-induced seismicity monitoring system, reduce the monitoring blind area and reduce the monitoring cost, based on the distributed idea, this paper proposes an positioning method of mining-induced seismicity based on smart phone sensor network. Firstly, smart phones used by workers and their families near the mining area were used to establish a mobile sensor network. Secondly, the simulated source points were meshed and the objective function based on standard deviation was constructed. An improved firefly optimization strategy was proposed. The inflection point backtracking method and smart phone sensor network exclude discrete points strategy, namely EDPS to reduce positioning error. Finally, it is verified by the simulation experiment of mining-induced seismicity location. The experimental results show that: Under the ideal condition that there is no arrival time error in the smart phone sensor network, all the simulated source points can converge to the source position accurately, and the positioning error is less than 1 m. However, compared with the detector, the arrival error of smart phone is higher, and the positioning error is correlated with the arrival error. When the mobile phone arrival error is - 1.0 s ~ 1.0s, the traditional algorithm positioning error is 216m, which can not achieve high-accuracy positioning. By researching the relationship between the objective function value and positioning error, propose and use two optimization methods, inflection point backtracking method and EDPS. The absolute positioning error of the algorithm is reduced to 73m. When the time error is -0.2 s ~ 0.2s, the absolute positioning error is reduced to 17m, and the positioning accuracy is improved by 76.1%. Location method of mining-induced seismicity based on crowd-sensing of phone mobile sensor network provides a new method for mining-induced 基金项目：国家自然科学基金资助项目(51704138); 国家重点研发计划资助项目(2017YFC0804208); 辽宁省教育厅科学技术研究资助项目 (LQN201910) 《工程科学学报》录用稿，https://doi.org/10.13374/j.issn2095-9389.2021.06.16.007 ©北京科技大学 2020 录用稿件，非最终出版稿
2 工程科学学报 seismicity monitoring.It can be considered to combine with underground microseismic system in the future,which is great significance in saving monitoring cost and improving positioning accuracy. KEY WORDS mining-induced seismicity;Smart phone;positioning error by smart phone;arrival error;exclude discrete points strategy (EDPS) 矿震是采矿诱发的矿山地震，矿震发生时，井下大范围释放能量，严重时引起地面震动、塌陷，建筑 物损毁，甚至造成井下人员伤亡Referenceofoud,是采矿活动中面临的重要安全问题。我国很多矿区的矿 震监测系统，大都从国外引进，如波兰SOS和ARAMIS,加拿大ESG微震监测系统，这些系统大部分是 24、32或64通道，搭载拾震器的数量有限，大多布置在井下，布线复杂，价格昂贵，原始波形数据难以 获取：近年来随着技术发展，国内研发了KJ551、BSN等微震系统B,获得了原始数据，实时给出了矿震 发生的时间、空间位置和能量，然而定位精度仍难以满足煤矿安全生产实际需求，大能量矿震事件仍时有 发生。2020年5月，国家煤矿安监局办公室和中国地震局办公室，联合发布《关建立冲击地压矿井地震 信息共享机制的通知》Reefod,通知要求当省级地震台网在监测到冲击地压矿区范围内发生2.0 级及以上冲击地压、塌陷等地震事件后，立即启动地震信息发送。据中国地震台网和省级地震台网统计 2021年1月至6月，陕西榆林、山东济宁、内蒙古鄂尔多斯等多地矿区发生②0级以上震源深度0千米的 塌陷型地震事件，该类型地震事件主要由煤矿开采导致，具有诱发煤池击地压灾害造成人员伤亡的可 能性，严重影响了煤矿安全生产，并造成了不良社会影响。 由于矿震发生地点相比地震震源浅，地面震感强烈，因此可考虑在地面布置监测点，己有研究表明 mae:erece智能手机加速度计可以从日常的各种震动中检测到距手机I0km或以内的5级地震，对有 感矿震灵敏度已经足够。随着技术的发展，智能手机加速度计灵敏度仍在不断地提高，可以预期不久的将 来，通过智能手机监测预警矿震是可行的。 随着我国煤炭资源向深部开发，关于矿震的研究涉及多个方面，其中精准的震源定位是矿震研究 的关键o Refere orce od,目前关于矿震定位有很多分怎，且大部分基于Geiger方法，如经典的最小 二乘法，计算量较小，计算速度较快，但容易生成病态方程组，逢焕东o Reference soure not fou等针对病态方 程组的问题提出了正则化的解决方法。范千等eotfoun提出了单纯形一一模拟退火混合算法，由 模拟退火算法粗略判断全局最小值位置，再利用单纯形算法进行全局最小值的精确计算。吕进国等© Refereeue found在其基础之上提出采用稳健估计方法，增强抗干扰能力。姜天琪等Emor:Referencesre ot found提出 基于网格搜索牛顿迭代法的微震震源定位算法，网格搜索粗略判断全局最小值位置，通过牛顿迭代法获 取高精度微震震源位置。群智能优化思想在很多领域都有使用，1，陈炳瑞等Referene sou fud提出了基 于粒子群算法的岩体微震源分层定位方法。以上矿震定位方法大都是利用高精度微震拾震器来获取数据， 未查阅到利用智能手机进行矿震旋位的方法。 随着科技的发展，智能手机的功能不仅仅局限于通信，其装配的运动、电磁、重力等传感器使智能手 机成为一个信号接收器通过感知周围环境来帮助其使用者完成导航、定位、游戏、人体运动识别等一系列 任务因此，本文基于“众包”思想，利用矿区职工等使用的智能手机，通过互联网 络协作，提出一种基纡智能手机传感网络的矿震群智定位方法，旨在研究由智能手机完成矿震监测任务 的可行性，通过组建由百台级甚至千台级加速度计组成手机移动传感网络，开展监测任务分发与数据的 收集，依据手机移动传感网络触发器来确定矿震是否发生，发生时确定震源位置。该方法打破传统利用 井下矿震台站监测思想，充分利用地面手机使用的广泛性、密集性和随机分布性特点，成本低廉，是专业 矿震设备所无法比拟的，该方法为提高矿震定位精度提供了一条新的思路Rern。 1手机移动传感网络构建 拟采用矿区附近工人及家属等使用的智能手机加速度计拾取矿震信号，将中心机与智能手机终端通 过无线网络连接，建立数据库，初始化参与监测工作的智能手机终端和中心机的初始数据，校准手机系 统时间，校准方法采用网络时间协议，即NTP(Network Time Protocol)ro Refereou,经测试手机间最 大误差达到正负1s。通过开发手机APP软件，记录三轴加速度传感器数据，持续对附近振动信号进行监 测，通过震动信号特征提取出震动信号。使用小波变换法对震动信号进行降噪处理，使用长短时窗法计算
2 工程科学学报 seismicity monitoring. It can be considered to combine with underground microseismic system in the future, which is great significance in saving monitoring cost and improving positioning accuracy. KEY WORDS mining-induced seismicity; Smart phone; positioning error by smart phone; arrival error; exclude discrete points strategy (EDPS) 矿震是采矿诱发的矿山地震，矿震发生时，井下大范围释放能量，严重时引起地面震动、塌陷，建筑 物损毁，甚至造成井下人员伤亡Error: Reference source not found，是采矿活动中面临的重要安全问题。我国很多矿区的矿 震监测系统，大都从国外引进，如波兰 SOS 和 ARAMIS，加拿大 ESG 微震监测系统，这些系统大部分是 24、32 或 64 通道，搭载拾震器的数量有限，大多布置在井下，布线复杂，价格昂贵，原始波形数据难以 获取；近年来随着技术发展，国内研发了 KJ551、BSN 等微震系统[3-5]，获得了原始数据，实时给出了矿震 发生的时间、空间位置和能量，然而定位精度仍难以满足煤矿安全生产实际需求，大能量矿震事件仍时有 发生。2020 年 5 月，国家煤矿安监局办公室和中国地震局办公室，联合发布《关于建立冲击地压矿井地震 信息共享机制的通知》Error: Reference source not found，通知要求当省级地震台网在监测到冲击地压矿区范围内发生 2.0 级及以上冲击地压、塌陷等地震事件后，立即启动地震信息发送。据中国地震台网和省级地震台网统计 2021 年 1 月至 6 月，陕西榆林、山东济宁、内蒙古鄂尔多斯等多地矿区发生了 2.0 级以上震源深度 0 千米的 塌陷型地震事件，该类型地震事件主要由煤矿开采导致，具有诱发煤矿冲击地压灾害造成人员伤亡的可 能性，严重影响了煤矿安全生产，并造成了不良社会影响。 由于矿震发生地点相比地震震源浅，地面震感强烈，因此可考虑在地面布置监测点，已有研究表明 Error: Reference source not found智能手机加速度计可以从日常的各种震动中检测到距手机 10 km 或以内的 5 级地震，对有 感矿震灵敏度已经足够。随着技术的发展，智能手机加速度计灵敏度仍在不断地提高，可以预期不久的将 来，通过智能手机监测预警矿震是可行的。 随着我国煤炭资源向深部开发，关于矿震的研究涉及多个方面[10]，其中精准的震源定位是矿震研究 的关键Error: Reference source not found，目前关于矿震定位有很多方法[12]，且大部分基于 Geiger 方法，如经典的最小 二乘法，计算量较小，计算速度较快，但容易生成病态方程组，逄焕东Error: Reference source not found等针对病态方 程组的问题提出了正则化的解决方法。范千等Error: Reference source not found提出了单纯形——模拟退火混合算法，由 模拟退火算法粗略判断全局最小值位置，再利用单纯形算法进行全局最小值的精确计算。吕进国等 Error: Reference source not found在其基础之上提出采用稳健估计方法，增强抗干扰能力。姜天琪等 Error: Reference source not found提出 基于网格搜索-牛顿迭代法的微震震源定位算法，网格搜索粗略判断全局最小值位置，通过牛顿迭代法获 取高精度微震震源位置。群智能优化思想在很多领域都有使用[17,18]，陈炳瑞等Error: Reference source not found提出了基 于粒子群算法的岩体微震源分层定位方法。以上矿震定位方法大都是利用高精度微震拾震器来获取数据， 未查阅到利用智能手机进行矿震定位的方法。 随着科技的发展，智能手机的功能不仅仅局限于通信，其装配的运动、电磁、重力等传感器使智能手 机成为一个信号接收器，通过感知周围环境来帮助其使用者完成导航、定位、游戏、人体运动识别等一系列 任务Error: Reference source not found。因此，本文基于“众包”思想[21]，利用矿区职工等使用的智能手机，通过互联网 络协作，提出一种基于智能手机传感网络的矿震群智定位方法，旨在研究由智能手机完成矿震监测任务 的可行性，通过组建由百台级甚至千台级加速度计组成手机移动传感网络，开展监测任务分发与数据的 收集，依据手机移动传感网络触发器来确定矿震是否发生，发生时确定震源位置[22]。该方法打破传统利用 井下矿震台站监测思想，充分利用地面手机使用的广泛性、密集性和随机分布性特点，成本低廉，是专业 矿震设备所无法比拟的，该方法为提高矿震定位精度提供了一条新的思路Error: Reference source not found。 1 手机移动传感网络构建 拟采用矿区附近工人及家属等使用的智能手机加速度计拾取矿震信号，将中心机与智能手机终端通 过无线网络连接，建立数据库，初始化参与监测工作的智能手机终端和中心机的初始数据，校准手机系 统时间，校准方法采用网络时间协议，即 NTP(Network Time Protocol)Error: Reference source not found，经测试手机间最 大误差达到正负 1s。通过开发手机 APP 软件，记录三轴加速度传感器数据，持续对附近振动信号进行监 测，通过震动信号特征提取出震动信号。使用小波变换法对震动信号进行降噪处理，使用长短时窗法计算 录用稿件，非最终出版稿
罗浩等基于手机移动传感网络的矿震群智定位方法 3 震动信号初始到时。将震动信号初始到时、智能手机GPS定位信息、手机编码信息通过无线网络上传至中 心机，中心机对同一时间段上传的震动信号数据进行统计，当判断为震动信号的手机数量与周围移动手 机终端总数的比值达到设定值，网络触发，判断为矿震事件。图1为矿震发生过程移动手机传感网络触发 示意图。根据震动信号初始到时、移动手机终端GPS定位数据信号，通过基于手机移动传感网络的矿震群 智定位算法进行震源位置的定位。图2为基于手机移动传感网络的矿震群智定位方法流程图。 Data storage and Monitor mobile phone hones the YES ource point Roof ee positice through the mine map Floor 圆1矿震发生过程手机移动传感网络触发示意 ■2手机移动传感网络矿震监测与群智定位流程 Fig.1 Trigger diagram of mobile phone sensor network in the Fig.2 Flow chart of mining-induced seismicity monitoring process of mine earthquake and crowdsensing positioning based on mobile phone sensor network 2基于移动手机的群智定位方法 2.1模拟震源点网格化 空绚，建立化批椒底点公就化这视心香对童到室牛的所有位开的匀度盖。体品 不可行空间，建立网格化模拟震源点公式： (1) 式中r表示模拟点所在行，c表示模拟点所在列，1表示模拟点所在层，m表示模拟点序列号，即F以表 示在r行c列1层，序列号为m的模拟点。xinter,yinter,Einter分别表示模拟点之间行间距、列间距和层间 距。由矿区监测区域大小，模拟点个数，算法计算速度以及定位精度等多方面因素决定。 2.2基于标准差构德目标函傲 采用基于标准差收敛的自标数。当智能手机接收到震动信号后，将其位置信息、手机编号以及震动 信号的初至到时发送给币心机即Phoner=x,%,,,式中Phone表示编号为i的智能手机，x,,分 别为该智能手机在该矿区年的X,Y,Z轴坐标，乙为获取震动信号的时间。设模拟震源信息为E=x,必 ',传播速度为发生矿震时间为，j为模拟震源点序列号，可知由模拟震源点位置误差引起的误差 为： Eor号=t-V(x,-x,)2+(y,-y,)2+(a-,)2N-to(2) 由于发震时间对于每一个智能手机都是相对时间，即一个稳定的常数，所以上式可以修改为： Eor2,=t-√(x-x,)2+(y,-y,)2+(3,-2,)2y(3) 式中： Eor2,=。+BmOr,EOr2与Srror1y正相关，且当Errorl≈0时，Eor2≈L时， 模拟震源点接近真实震源点。所以目标函数为， f()=((Error2;-Error2)/N)(4) 式中： Eror2,-(∑Eror2)N )为模拟震源点F的目标函数，e为标准差误差阈值，当)时，E收敛至真实震源点。震源位置
罗 浩等 基于手机移动传感网络的矿震群智定位方法 3 震动信号初始到时。将震动信号初始到时、智能手机 GPS 定位信息、手机编码信息通过无线网络上传至中 心机，中心机对同一时间段上传的震动信号数据进行统计，当判断为震动信号的手机数量与周围移动手 机终端总数的比值达到设定值，网络触发，判断为矿震事件。图 1 为矿震发生过程移动手机传感网络触发 示意图。根据震动信号初始到时、移动手机终端 GPS 定位数据信号，通过基于手机移动传感网络的矿震群 智定位算法进行震源位置的定位。图 2 为基于手机移动传感网络的矿震群智定位方法流程图。 Triggered phones wireless network Working face goaf Ventilation roadway Source point Breakdown point Floor Roof Corase sandstone Fine sandstone Siltstone … … Base station Data storage and analysis systems Not triggered phones Transportation roadway Ground 图 1 矿震发生过程手机移动传感网络触发示意 Fig.1 Trigger diagram of mobile phone sensor network in the process of mine earthquake 图 2 手机移动传感网络矿震监测与群智定位流程 Fig .2 Flow chart of mining-induced seismicity monitoring and crowdsensing positioning based on mobile phone sensor network 2 基于移动手机的群智定位方法 2.1 模拟震源点网格化 采用网格结构的震源模拟点进行初始化。该初始化方式能够对监测范围中的所有位置均匀覆盖，排除 不可行空间，建立网格化模拟震源点公式： F = [(r-1) x int er,(c -1) y int er,(l -1) zint er] r,c,l m (1) 式中 r 表示模拟点所在行，c 表示模拟点所在列，l 表示模拟点所在层，m 表示模拟点序列号，即 r,c,l Fm 表 示在 r 行 c 列 l 层，序列号为 m 的模拟点。xinter，yinter，zinter 分别表示模拟点之间行间距、列间距和层间 距。由矿区监测区域大小，模拟点个数，算法计算速度以及定位精度等多方面因素决定。 2.2 基于标准差构建目标函数 采用基于标准差收敛的目标函数。当智能手机接收到震动信号后，将其位置信息、手机编号以及震动 信号的初至到时发送给中心机,即 Phonei=[xi, yi, zi, ti] T，式中 Phonei 表示编号为 i 的智能手机，xi，yi，zi分 别为该智能手机在该矿区中的 X，Y，Z 轴坐标， i t 为获取震动信号的时间。设模拟震源信息为 Fj = [xj, yj, zj] T，传播速度为 v，发生矿震时间为 t0，j 为模拟震源点序列号，可知由模拟震源点位置误差引起的误差 为： 0 2 2 2 Error1 t (x x ) ( y y ) (z z ) /v t i i j i j i j i j (2) 由于发震时间对于每一个智能手机都是相对时间，即一个稳定的常数，所以上式可以修改为： Error t x x y y z z v i i j i j i j i j 2 ( ) ( ) ( ) / 2 2 2 (3) 式中： i j i Error2 j t 0 Error1 ， i Error2 j 与 i Error1j 正相关，且当 1 0 i Error j 时， 2 0 Error t i j 时， 模拟震源点接近真实震源点。所以目标函数为， 2 1/ 2 N / N) 1 ( ) ( ( 2 2 ) i f j Error Error j i j (4) 式中： N i 1 i j j Error 2 ( Error 2 )/N 。 f(j)为模拟震源点 Fj的目标函数，е 为标准差误差阈值，当 f(j)<е 时，Fj收敛至真实震源点。震源位置 录用稿件，非最终出版稿
4 工程科学学报 定位误差包括时间误差以及位置误差，本文采用基于标准差收敛的目标函数，无需考虑时间误差，降低 了寻优维度，提高计算效率。 2.3改进的董火虫寻优算法 获取监测范围中所有模拟震源点E=区，为水川0<j≤MW∈m),模拟震源点F对应的目标函数值 为f0),{U引0<j≤Mj∈m,M为模拟震源点总数量，j为模拟震源点编号。将模拟震源点按f0)升序排 序，并统计为模拟震源点集合Part。经典萤火虫算法Reference oefud中，原始萤火虫算法，在无到时误差 情况下，以最小值作为最优点能够寻找到真实震源，不会出现模拟震源点整体偏移：在有到时误差情况 下，受误差影响以最小值作为最优点难以找到真实震源，导致整个种群向最优点移动会造成整体偏移， 定位误差增大，为此本文采用最优组的方式替代最优点，以避免整体偏移。将Pt分为两个集合 Partl=(F1,F2...,F),Part2=(FI,F2,. ,Fw,经多次实验验证，当k=[(1/40)M时，为最优分组。 Partl代表最优组，Part2代表普通组。图3为模拟震源点移动过程。 由图3可以看出Part整体对于实际震源点的逼近程度由Partl维持稳定，随着迭代次数增加Pat持续 收敛，最后收敛到真实震源点，避免单个最优模拟震源点偏移造成定位误差。 Part2中模拟震源点向Partl中模拟震源点移动方法为：取Part2中第一个模拟震源点Fk+,随机取 Patl中某个模拟震源点，F。,{c|0<c≤k,c∈m,计算新的模拟震源点位置信卿 Fstemp =(Fc-F++Rand).DRate+F (5)人 式中，Rand为由01之间的随机数构成的三阶列向量作为扰乱因子， 危程度上摆脱Part2中的模 拟点到Patl的绝对路径。DRate为动态移动率，公式为： DRate =(1- NIteration SRate Alteration+1 6 NIteration表示迭代次数，Alteration, 表示总的迭代次数，SRate为静态移动率，表示Part2中模拟震源点 向Partl中模拟震源点的实际移动步长，在Part2中模拟震源点与Pat!中模拟震源点总的相对距离中的固 定占比。DRate随着NIteration增加逐渐降低，相较于静态移动率，动态移动率可以延长保留距离的收缩 时间。采用两种移动率，移动距离和保留距离的变化情况如图4所示 Part2 (红色点表示Partl中模拟震源点，绿色点表运 模拟震源点，黄色点表示P2中模拟震源点移动过程中的停留点，蓝色点为震源点) ■3模拟震源点移动过程 Movement of simulation of source point Moving distance Moving distance Retention distance Retention distance aoueis!p aAnelad d pue 3 uaaMiaq 45678910 012 Retention distance 34.567 8910 Retention distance (a采用静态移动率 (b)采用动态移动率 (Fr为Partl中的模拟震源点，Fg为Part2中的模拟震源点) 圆4采用两种移动率时移动距离和保留距离的变化情况 Fig.4 Change of moving distance and reserved distance with two moving rates 由图4可以看出，同样是迭代10次情况下，采用静态移动率，Pt2中的模拟震源点移动了7次，采 用动态移动率，Prt2中的模拟震源点移动了9次。采用静态移动率时，移动次数较少，寻优密度较低，存 在Pt整体还未找到真实震源点就已经收敛的情况，采用动态移动率可以使保留距离降低的更慢，提升
4 工程科学学报 定位误差包括时间误差以及位置误差，本文采用基于标准差收敛的目标函数，无需考虑时间误差，降低 了寻优维度，提高计算效率。 2.3 改进的萤火虫寻优算法 获取监测范围中所有模拟震源点 Fj = [xj, yj, zj] T , { j | 0 j M,j n} ,模拟震源点 Fj对应的目标函数值 为 f (j)，{ j | 0 j M, j n}，M 为模拟震源点总数量，j 为模拟震源点编号。将模拟震源点按 f (j)升序排 序，并统计为模拟震源点集合 Part。经典萤火虫算法Error: Reference source not found中，原始萤火虫算法，在无到时误差 情况下，以最小值作为最优点能够寻找到真实震源，不会出现模拟震源点整体偏移；在有到时误差情况 下，受误差影响以最小值作为最优点难以找到真实震源，导致整个种群向最优点移动会造成整体偏移， 定位误差增大，为此本文采用最优组的方式替代最优点，以避免整体偏移。将 Part 分为两个集合 Part1={F1, F2, … , Fk}，Part2={Fk+1, Fk+2, … , FM}，经多次实验验证，当 k = [(1/40)·M]时，为最优分组。 Part1 代表最优组，Part2 代表普通组。图 3 为模拟震源点移动过程。 由图 3 可以看出 Part 整体对于实际震源点的逼近程度由 Part1 维持稳定，随着迭代次数增加 Part 持续 收敛，最后收敛到真实震源点，避免单个最优模拟震源点偏移造成定位误差。 Part2 中模拟震源点向 Part1 中模拟震源点移动方法为：取 Part2 中第一个模拟震源点 Fk+1，随机取 Part1 中某个模拟震源点， Fc ,{c | 0 c k,c n}，计算新的模拟震源点位置信息即： 1 1 ( ) Fgtemp Fc Fk Rand DRate Fk (5) 式中，Rand 为由 0~1 之间的随机数构成的三阶列向量作为扰乱因子，在一定程度上摆脱 Part2 中的模 拟点到 Part1 的绝对路径。DRate 为动态移动率，公式为： SRate AIteration NIteration DRate ) 1 (1 (6) NIteration 表示迭代次数，AIteration，表示总的迭代次数，SRate为静态移动率，表示 Part2 中模拟震源点 向 Part1 中模拟震源点的实际移动步长，在 Part2 中模拟震源点与 Part1 中模拟震源点总的相对距离中的固 定占比。DRate 随着 NIteration 增加逐渐降低，相较于静态移动率，动态移动率可以延长保留距离的收缩 时间。采用两种移动率，移动距离和保留距离的变化情况如图 4 所示。 (红色点表示 Part1 中模拟震源点，绿色点表示 Part2 中模拟震源点，黄色点表示 Part2 中模拟震源点移动过程中的停留点，蓝色点为震源点) 图 3 模拟震源点移动过程 Fig.3 Movement of simulation of source point (a)采用静态移动率 (b)采用动态移动率 (Fr 为 Part1 中的模拟震源点，Fg 为 Part2 中的模拟震源点) 图 4 采用两种移动率时移动距离和保留距离的变化情况 Fig.4 Change of moving distance and reserved distance with two moving rates 由图 4 可以看出，同样是迭代 10 次情况下，采用静态移动率，Part2 中的模拟震源点移动了 7 次，采 用动态移动率，Part2 中的模拟震源点移动了 9 次。采用静态移动率时，移动次数较少，寻优密度较低，存 在 Part 整体还未找到真实震源点就已经收敛的情况，采用动态移动率可以使保留距离降低的更慢，提升 录用稿件，非最终出版稿
罗浩等基于手机移动传感网络的矿震群智定位方法 5 了寻优密度，有助于更好的寻找震源位置。通过Fmw计算目标函数f(gtemp),比较目标函数值并进行位置 信息更新即： -(7)a(8) Fk+完成位置更新后，遍历Pat2中其他模拟震源点Fk+2~FM,按照该寻优算法依次实现位置更新。 除了Part2中模拟震源点向Partl中模拟震源点移动，Part1中模拟震源点也要进行自身移动，由于没 有目标方向，所以Partl中模拟震源点需要在自身位置基础之上进行随机移动，移动方法为获取Patl中 最后一个模拟震源点F,计算其更新位置即： Fuemp=F+SFactor.DLength (9) DLength=(1- NIteration -)SLength (10) Alteration+ 式中：F。为模拟震源点位置信息，SLength为静态步长，即模拟震源点移动距离，取值范围为， {SLengthxint er/2月3) F完成位置更新后，遍历Prt1中其他模拟震源点，按照自身移动方法依次实现位置更新。同 理，Part2中模拟震源点也要进行自身移动，移动方式我g相同，SLength取值降低，这里不过多赘述。 2.4定位精度优化 由于智能手机获取到时存在一定的误差，影响定位精度，所以本文用两种方法来降低定位误差。 (1)拐点回溯法。在震源定位的过程中，智能手机的个体误差，转换为传感网络的整体误差，离散程度 降低，所以最优模拟震源点，在无到时误差情况下，目标函数值f()=O,在有到时误差情况下，目标函 数值为f(c)>0,群智定位方法计算的标函数值为f(b),且满足f(af(b)f(c),当f(b)与f(c)逼近程度最 大时，定位误差最小，图5为最优模似震源点随迭代次数增加的变化情况。 --Objective funcron 750 0.140 ---0.6s-0.65M0 .----Is ~Is Monitoring error 600 Os Montoring error 0.135 450 F3_4 F24 300 0.130 Pomnt 150 Mininum emor F14 0 10 304050 60 Number of iterations/n (a)目标函数值与定位误差的对应关系 (b)模拟震源点移动情况示意图 (F1为迭代开始时的空间位置.F2,F12,F22,F32,分别表示在不同速度误差下，算法最小定位误差的空间位置。F3,F13,F23,F33,分别 表示在不同速度误差下，目标函数最不的空间位置，下4，F14,F24,F34,分别表示在不同速度误差下，算法最终定位的空间位置。Pot点为真 实震源点) ■5最优模拟震源点F随迭代次数增加的移动情况 Fig.5 The Movement of the optimal simulated source point F with the increase of the number of iterations 研究发现，如图5()所示，假设对某一震源进行定位，迭代次数设置为60，当到时误差为-1~ls,- 0.6~0.6s,0s且服从高斯分布时，在无到时误差的情况下，定位误差曲线变化不存在拐点情况，当存在到 时误差的情况下，到时误差越大，拐点越明显，获取拐点位置即可有效的增加定位精度。因此，需获取拐 点位置进一步提高定位精度，总结图5()实验结果提出拐点回溯法模型如图5(b)所示，当最优模拟震源点
罗 浩等 基于手机移动传感网络的矿震群智定位方法 5 了寻优密度，有助于更好的寻找震源位置。通过 Fgtemp计算目标函数 f (gtemp) ，比较目标函数值并进行位置 信息更新即： ( ) ( 1) ( ) ( 1) { 1 1 F ,f gtemp f k F ,f gtemp f k F k gtemp k (7) ( 1) ( ) ( 1) ( ) ( ) ( 1) ( 1) { f k ,f gtemp f k f gtemp ,f gtemp f k f k (8) Fk+1完成位置更新后，遍历 Part2 中其他模拟震源点Fk+2 ~ FM，按照该寻优算法依次实现位置更新。 除了 Part2 中模拟震源点向 Part1 中模拟震源点移动，Part1 中模拟震源点也要进行自身移动，由于没 有目标方向，所以 Part1 中模拟震源点需要在自身位置基础之上进行随机移动，移动方法为获取 Part1 中 最后一个模拟震源点 Fk，计算其更新位置即： Frtemp Fk SFactor DLength (9) SLength AIteration NIteration DLength )* 1 (1 (10) 式中：Fk 为模拟震源点位置信息，SLength 为静态步长，即模拟震源点移动距离，取值范围为， {SLength|xint er/ 2 SLength x int er}DLength为动态步长，即在静态移动率的基础上添加关于迭代 次数权值，使其随着迭代次数的变化而变化。设置这样的动态步长，不但有效覆盖所有的监测空间，而且 可以随着迭代次数的增加，提高移动精度，SFactor为步长比例因子，具体写法为： x er z er k x er y er SFactor k k int int 0 0 0 int int 0 0 0 1 1 2 3 (11) k1,k2,k3={-1,0,1}，通过该步长比例因子，可以协调不同坐标下的步长长度。通过 Frtemp计算目标函数 f (rtemp)，比较目标函数值并进行位置信息更新即： , ( ) ( ) , ( ) ( ) { F f rtemp f k F f rtemp f k F k rtemp k (12) ( ), ( ) ( ) ( ), ( ) ( ) ( ) { f k f rtemp f k f rtemp f rtemp f k f k (13) Fk完成位置更新后，遍历 Part1 中其他模拟震源点Fk-1 ~ F1，按照自身移动方法依次实现位置更新。同 理，Part2 中模拟震源点也要进行自身移动，移动方式与式(9)相同，SLength 取值降低，这里不过多赘述。 2.4 定位精度优化 由于智能手机获取到时存在一定的误差，影响定位精度，所以本文用两种方法来降低定位误差。 (1)拐点回溯法。在震源定位的过程中，智能手机的个体误差，转换为传感网络的整体误差，离散程度 降低，所以最优模拟震源点，在无到时误差情况下，目标函数值 f (a)=0，在有到时误差情况下，目标函 数值为 f (c)>0，群智定位方法计算的目标函数值为 f (b)，且满足 f (a)<f (b)<f (c)，当 f (b)与 f (c)逼近程度最 大时，定位误差最小，图 5 为最优模拟震源点随迭代次数增加的变化情况。 0.125 0.130 0.135 0.140 F1_4 F1_2 F1_3 F2_3 F2_4 F2_2 F3_3 F3_4 F3_2 F1 Objective function value Number of iterations /n Objective function value 0 10 20 30 40 50 60 0 150 300 450 600 750 -0.6s ~ 0.6s Monitoring error -1s ~ 1s Monitoring error 0s Monitoring error Positioning error /m (a) 目标函数值与定位误差的对应关系 (b) 模拟震源点移动情况示意图 (F1 为迭代开始时的空间位置。F2，F1_2，F2_2，F3_2，分别表示在不同速度误差下，算法最小定位误差的空间位置。F3，F1_3，F2_3，F3_3，分别 表示在不同速度误差下，目标函数最小的空间位置，F4，F1_4，F2_4，F3_4，分别表示在不同速度误差下，算法最终定位的空间位置。Point 点为真 实震源点) 图 5 最优模拟震源点 F 随迭代次数增加的移动情况 Fig.5 The Movement of the optimal simulated source point F with the increase of the number of iterations 研究发现，如图 5(a)所示，假设对某一震源进行定位，迭代次数设置为 60，当到时误差为-1~1s，- 0.6~0.6s，0s 且服从高斯分布时，在无到时误差的情况下，定位误差曲线变化不存在拐点情况，当存在到 时误差的情况下，到时误差越大，拐点越明显，获取拐点位置即可有效的增加定位精度。因此，需获取拐 点位置进一步提高定位精度，总结图 5(a)实验结果提出拐点回溯法模型如图 5(b)所示，当最优模拟震源点 录用稿件，非最终出版稿
6 工程科学学报 从F1移动到F2时，定位误差持续减小，并在℉2点处达到最小值，但由于存在到时误差，定位算法在误 差影响下持续收敛，但定位误差增大，所以最优模拟震源点持续移动到点F3处，当迭代结束时位于F4 点：为获取F2点位置，若(x)的前领域与后领域的比值达到最大，则(x)处于目标函数值突变的拐 点处，所以若f(x),针对所有迭代次数下的f(x)满足： 考+n f(m) 一m=x (m) x+n (14) ∑fm） ∑infm） 则F2=F,,此时模拟震源点F4回溯至F2点，定位误差达到最小。式中n为领域长度。 离散点排除策略，即EDPS(Exclusion Discrete Point Strategy)。该策略的基本思想为：参与监测的智能手机 数量足够多，同时部分手机受品牌、GS信号、人体活动干扰导致定位精度差异较大，通过将这些监测精 度低的手机排除掉，保留高精度的手机重新进行定位，如果整体目标函数值减小，那么定位误差随之减 小，定位精度得到提高。EDPS执行流程图如图6所示。 Start Randomly select k smart 入 Set total iterations Max iter. current iteration times Iter=0 Set the minimum number of phones e Number of initialized NO smartphones The extracted K N=init'num.M=0 smartphones are put back N smartphones are used to Keep all current monitoring units calculate the source position and the objective function N=M,fl=f2,F1=F2 value Iter=Iter+l N≥e NO YES NO <Iter Max iter 用稿件 YES End ■6EDPS执行流程 Fig.6 EDPS execution process 图6中，iium为初始智能手机数量，ε为手机移动传感网络中智能手机总数量的最低值，该值由 智能手机在监测壶围内的最低分布密度影响，当智能手机数量小于或者等于ε或无法收敛的次数达到一定 阈值时算法停止。 3群智定位方法横拟实验及分析 为了验证基于手机移动传感网络的矿震群智定位方法可行性，进行了模拟实验，模拟实验主要包括： (1)智能手机无到时误差的情况下，进行微震定位，观察模拟震源点移动情况，观察定位误差。(2)智能手 机有到时误差的情况下，进行微震定位，算法在不同到时误差情况下，观察模拟震源点移动情况，观察 定位误差，且采用拐点回溯法以及EDPS,观察定位精度的提高情况。群智定位方法的空间模型示意如图 7所示。 如图7所示，假设矿区范围为长10000m,宽10000m,高1000m,震动信号的平均传播速度为 =3850m/s,微震事件的坐标以及发震时间为Point-=X,Y,Z,T),式中X,Y为0-10000随机数，Z为 0~1000随机数，T为发震时间。震源位置信息与发震时间取Poit=[6500,7630,520,10],参与定位监测的移
6 工程科学学报 从 F1 移动到 F2 时，定位误差持续减小，并在 F2 点处达到最小值，但由于存在到时误差，定位算法在误 差影响下持续收敛，但定位误差增大，所以最优模拟震源点持续移动到点 F3 处，当迭代结束时位于 F4 点；为获取 F2 点位置，若 ( )i f x 的前领域与后领域的比值达到最大，则 ( )i f x 处于目标函数值突变的拐 点处，所以若 ( ) xi f ，针对所有迭代次数下的 f (x) 满足： x m x-n x n m x x m x -n x n m x f m f m f m f m i i i i ( ) ( ) ( ) ( ) (14) 则 i F2 Fx ，此时模拟震源点 F4 回溯至 F2 点，定位误差达到最小。式中 n 为领域长度。 离散点排除策略，即 EDPS( Exclusion Discrete Point Strategy)。该策略的基本思想为：参与监测的智能手机 数量足够多，同时部分手机受品牌、GPS 信号、人体活动干扰导致定位精度差异较大，通过将这些监测精 度低的手机排除掉，保留高精度的手机重新进行定位，如果整体目标函数值减小，那么定位误差随之减 小，定位精度得到提高。EDPS 执行流程图如图 6 所示。 图 6 EDPS 执行流程 Fig.6 EDPS execution process 图 6 中，init_num 为初始智能手机数量，ε 为手机移动传感网络中智能手机总数量的最低值，该值由 智能手机在监测范围内的最低分布密度影响，当智能手机数量小于或者等于 ε 或无法收敛的次数达到一定 阈值时算法停止。 3 群智定位方法模拟实验及分析 为了验证基于手机移动传感网络的矿震群智定位方法可行性，进行了模拟实验，模拟实验主要包括： (1) 智能手机无到时误差的情况下，进行微震定位，观察模拟震源点移动情况，观察定位误差。(2) 智能手 机有到时误差的情况下，进行微震定位，算法在不同到时误差情况下，观察模拟震源点移动情况，观察 定位误差，且采用拐点回溯法以及 EDPS，观察定位精度的提高情况。群智定位方法的空间模型示意如图 7 所示。 如图 7 所示，假设矿区范围为长 10000m，宽 10000m，高 1000m，震动信号的平均传播速度为 v=3850m/s，微震事件的坐标以及发震时间为Point=[X ,Y, Z, T]，式中 X，Y 为 0~10000 随机数，Z 为 0~1000 随机数，T 为发震时间。震源位置信息与发震时间取 Point=[6500,7630,520,10]，参与定位监测的移 录用稿件，非最终出版稿
罗浩等基于手机移动传感网络的矿震群智定位方法 7 动手机数量为300台，在矿区地面中随机分布，采样频率为500Hz,移动智能手机坐标以及接收到震动信 号的时间为Phon=x,%,,x,,为0-10000之间的随机数，移动手机的活动范围在地面，所以= 1000+,,为移动智能手机之间的高度差，取值为0~20之间的随机数。 1=T+1m+t,1m为震动信号走时，1，为到时误差。无到时误差情况下1，=O,图7中黑色点智能手机位置 信息和到时信息如表1所示。构建网格化模拟震源点，X,Y轴点间距为2000m,Z轴点间距为100m,即 获得400个模拟点，计算目标函数，并进行升序排列，最优组中模拟震源点数量取10，生成的模拟震源 点初始化情况如图8所示。 150 250 500 2500 750 000 00 250 500 (黄色点表示智能手机位置，黑色点为任意选取12台手机位置，×点表 (红色点表示最优组中模拟震源点，表示普通组中榄拟震源点， 震源位置) X点表示源位置 圆7群智定位方法空间模型 ■8模拟震源点点初始化情况 Fig.7 Spatial model of group intelligence location method Fig.8 Simulated source point initialization 将模拟震源点初始化后，按3.3节提出的寻优策略进行模拟震源点的移动，其中总迭代次数 Iteration=60,普通组静态移动率SRate=50%, 普通组移动步长S立egh20m,最优组移动步长 SLength=1500m。图9为模拟震源点在监测范围中，不同迭代次数下的移动情况。由图9可以看出，随着迭 代次数的增加，所有的模拟震源点有目的，向目标函数值最小处，即实际震源点处高效移动。 表1智鹤手机的位量与到时信意 Tab.1 Location and arrival informafion of smart phones Phone number Smartphone information Phone ny Smartphone information X(m) Y(m) Z(m) Arrival time(s) X(m) Y(m) Z(m) Arrival time(s) 8555.3 1381.71019.3 11.713 3956.3 8251.91014.6 10.692 2 6564.1 3225.4 1006.4 11.15 3247.2 4611.9 1004.2 11.159 3 4140.8 57.6 1001.1 12.063 9 3441.4 5677.5 1011.8 10.951 988.0 3911.4 1000.4 11.731 10 4117.2 1871.1 1019.7 11.623 5 5001.9 1018.5 1008.2 11.765 11 7305.1 8095.4 1012.3 10.273 6 3763.9 75.9 1010,6y 11.071 12 5571.12186.31011.4 10.298 100 750 录用稿 730 0 0000 20 500 10000 2500 7500 10000 00 2500 500m 2s00 50 X (a)模拟震 次的情况 b)模拟震源点移动10次的情况 (c)模拟震源点移动15次的情况 1000 i000 750 350 350 (63000.7630.0.520.0) 号250 250 (6500.7630.520 0 200 Y/m 2500 10000 10000 Y/m 00 2500509m 500 2500 2500 10000 00 2500 7500 00 2500 (d)模拟震源点移动20次的情况 (e)模拟震源点移动40次的情况 (①模拟震源点移动60次的情况 (红色点表示最优组中模拟震源点，绿色点表示普通组中模拟震源点，×点为震源点)
罗 浩等 基于手机移动传感网络的矿震群智定位方法 7 动手机数量为 300 台，在矿区地面中随机分布，采样频率为 500Hz，移动智能手机坐标以及接收到震动信 号的时间为 Phonei=[xi, yi, zi, ti]，xi，yi，为 0~10000 之间的随机数，移动手机的活动范围在地面，所以 zi = 1000 + zr，zr为移动智能手机之间的高度差，取值为 0~20 之间的随机数。 ti =T + tm + tr，tm为震动信号走时，tr为到时误差。无到时误差情况下 tr=0，图 7 中黑色点智能手机位置 信息和到时信息如表 1 所示。构建网格化模拟震源点，X，Y 轴点间距为 2000m，Z 轴点间距为 100m，即 获得 400 个模拟点，计算目标函数，并进行升序排列，最优组中模拟震源点数量取 10，生成的模拟震源 点初始化情况如图 8 所示。 (黄色点表示智能手机位置，黑色点为任意选取 12 台手机位置，×点表 示震源位置) 图 7 群智定位方法空间模型 Fig.7 Spatial model of group intelligence location method (红色点表示最优组中模拟震源点，绿色点表示普通组中模拟震源点， ×点表示震源位置) 图 8 模拟震源点点初始化情况 Fig.8 Simulated source point initialization 将模拟震源点初始化后，按 3.3 节提出的寻优策略进行模拟震源点的移动 ,其中总迭代次数 Iteration=60 ， 普 通 组 静 态 移 动 率 SRate=50% ， 普 通 组 移 动 步 长 SLength=20m ， 最 优 组 移 动 步 长 SLength=1500m。图 9 为模拟震源点在监测范围中，不同迭代次数下的移动情况。由图 9 可以看出，随着迭 代次数的增加，所有的模拟震源点有目的，向目标函数值最小处，即实际震源点处高效移动。 表 1 智能手机的位置与到时信息 Tab.1 Location and arrival information of smart phones Phone number Smartphone information Phone number Smartphone information X(m) Y(m) Z(m) Arrival time(s) X(m) Y(m) Z(m) Arrival time(s) 1 8555.3 1381.7 1019.3 11.713 7 3956.3 8251.9 1014.6 10.692 2 6564.1 3225.4 1006.4 11.151 8 3247.2 4611.9 1004.2 11.159 3 4140.8 57.6 1001.1 12.063 9 3441.4 5677.5 1011.8 10.951 4 988.0 3911.4 1000.4 11.731 10 4117.2 1871.1 1019.7 11.623 5 5001.9 1018.5 1008.2 11.765 11 7305.1 8095.4 1012.3 10.273 6 3763.9 75.9 1010.6 11.071 12 5571.1 2186.3 1011.4 10.298 (a)模拟震源点移动 5 次的情况 (b)模拟震源点移动 10 次的情况 (c)模拟震源点移动 15 次的情况 (d)模拟震源点移动 20 次的情况 (e)模拟震源点移动 40 次的情况 (f)模拟震源点移动 60 次的情况 (红色点表示最优组中模拟震源点，绿色点表示普通组中模拟震源点，×点为震源点) 录用稿件，非最终出版稿
工程科学学报 ■9无到时误差模拟震源点移动情况 Fig.9 Simulation of source point movement without time error 由于监测范围的X轴长度和Y轴长度远大于Z轴长度，在模拟震源点初始化时，最优组中的模拟震 源点成一条竖线，算法迭代15次后，普通组模拟震源点与最优组模拟震源点以簇状结构收敛，收敛中心 为真实震源点，算法迭代60次以后所有模拟震源点均收敛至同一位置，即真实震源点位置。表2为该算法 对于不同微震事件位置下的计算情况，由表2可以看出该寻优策略对于监测范围中的所有位置都能对其 实现精准定位，算法具有能够实现定位的可行性与普适性，算法稳定，鲁棒性好。 表2不司源位的计算结暴 Tab.2 Calculation result of different source positions Microseismic events True focal location(m Calculated focal location(m) Error value(m) Event 1 (3002.0.436.0,726.0) (3002.0.436.0.726.0) 0.00782 Event 2 (2002.0,336.0.126.0) (2001.9.335.9.126.0) 4.8e-05 Event 3 (8123.0.6036.0,526.0) 8122.9.6036.0,527.1) 0.13691 Event 4 (5433.0.7566.0.126.0) 5433.1,7565.9,126.3) 0.38932 Event 5 (9520.0,7500.0,826.0) 9439749.9826☑入 0.14616 统计发现，国产华为和小米智能手机的采样频率为100Hz~500Hz,智能手机的相对到时误差最大为- 1.0s1.0s。实验假设震源位置与发震时间为poit=6500,7630,520,10],到时误差服从高斯分布，间隔0.2s 由-1.0s1.0s变化到-0.2s0.2s,比较普通萤火虫和优化萤火虫在不同的到付误差下定位情况， 结果如表3 所示。 表3普通藏火虫和优化盖火虫定位结集对比 Tab.3 Comparison of location results between common firefly and optimized firefly Common firefly location algorithm Optimized firefly location algorithm True Erro Arrival time focal Location Objective Location Objective error(s) location( results function results function valu m) (m) value (m) value e(m (6500.0.7 Non >10 (6657.2.7 -1.01.0 630.0.520 converge 00 491.7,573 0.3819 216 .0) 8) (6500.0.7 Non (6392.5.7 >10 -0.8-0.8 630.0,520 convergenc 00 670.7.674 0.2543 192 .0) e 1) (6500.0.7 Non >10 (6548.1,7 -0.60.6 630.0,520 convergenc 00 731.3.429 0.1561 144 .0) e 1) (6500.0.7 (6527.7.7 -0.40.4 630.0.520 1.2266 997 655.2.416. 0.0771 110 .0) 2) (6500.0.7 6649 (6533.9,7 -0.20.2 630.0.520 7796 0.8654 488 620.1,457 0.0522 录 .0) 94.2 5.4)
8 工程科学学报 图 9 无到时误差模拟震源点移动情况 Fig.9 Simulation of source point movement without time error 由于监测范围的 X 轴长度和 Y 轴长度远大于 Z 轴长度，在模拟震源点初始化时，最优组中的模拟震 源点成一条竖线，算法迭代 15 次后，普通组模拟震源点与最优组模拟震源点以簇状结构收敛，收敛中心 为真实震源点，算法迭代 60 次以后所有模拟震源点均收敛至同一位置，即真实震源点位置。表 2 为该算法 对于不同微震事件位置下的计算情况，由表 2 可以看出该寻优策略对于监测范围中的所有位置都能对其 实现精准定位，算法具有能够实现定位的可行性与普适性，算法稳定，鲁棒性好。 表 2 不同震源位置的计算结果 Tab.2 Calculation result of different source positions Microseismic events True focal location(m) Calculated focal location(m) Error value(m) Event 1 (3002.0,436.0,726.0) (3002.0,436.0,726.0) 0.00782 Event 2 (2002.0,336.0,126.0) (2001.9,335.9,126.0) 4.8e-05 Event 3 (8123.0,6036.0,526.0) (8122.9,6036.0,527.1) 0.13691 Event 4 (5433.0,7566.0,126.0) (5433.1,7565.9,126.3) 0.38932 Event 5 (9520.0,7500.0,826.0) (9519.9,7499.9,826.1) 0.14616 统计发现，国产华为和小米智能手机的采样频率为 100Hz~500Hz，智能手机的相对到时误差最大为- 1.0s~1.0s。实验假设震源位置与发震时间为 point=[6500,7630,520,10]，到时误差服从高斯分布，间隔 0.2s 由-1.0s~1.0s 变化到-0.2s~0.2s，比较普通萤火虫和优化萤火虫在不同的到时误差下定位情况，结果如表 3 所示。 表 3 普通萤火虫和优化萤火虫定位结果对比 Tab.3 Comparison of location results between common firefly and optimized firefly Arrival time error(s) True focal location( m) Common firefly location algorithm Optimized firefly location algorithm Location results (m) Objective function value Erro r valu e(m ) Location results (m) Objective function value Erro r valu e(m ) -1.0~1.0 (6500.0,7 630.0,520 .0) / Non convergenc e >10 00 (6657.2,7 491.7,573. 8) 0.3819 216 -0.8~0.8 (6500.0,7 630.0,520 .0) / Non convergenc e >10 00 (6392.5,7 670.7,674. 1) 0.2543 192 -0.6~0.6 (6500.0,7 630.0,520 .0) / Non convergenc e >10 00 (6548.1,7 731.3,429. 1) 0.1561 144 -0.4~0.4 (6500.0,7 630.0,520 .0) (7065.2, 8156.6,4 27.1) 1.2266 997 (6527.7,7 655.2,416. 2) 0.0771 110 -0.2~0.2 (6500.0,7 630.0,520 .0) (6649.1, 7796.9,6 94.2) 0.8654 488 (6533.9,7 620.1,457. 5.4) 0.0522 71 录用稿件，非最终出版稿
罗浩等基于手机移动传感网络的矿震群智定位方法 9 由表3可以看出，当到时误差位于-0.6s0.6s区间时，目标函数不收敛，定位误差大于1000m,难以 现场应用。当到时误差位于-0.4s0.4s区间时，定位误差较大，通过对萤火虫进行优化，当到时误差位于- 1.0s1.0s区间时，目标函数能够收敛，且定位误差较普通萤火虫算法降低。当到时误差位于-1.0s1.0s区 间时，模拟震源点移动情况如图10所示，当模拟震源点移动60次时，定位误差为334，仍然较大。下面 通过引入拐点回潮法和EDPS策略进一步降低定位误差。 10W 00 250 250 Yim 0003 Y/m 00 750 2500 00 2500 750 7m (a)模拟震源点移动5次的情况 (b)模拟震源点移动10次的情况 (c)模拟震源点移 1000 750 (6657.19,74967573,88) 250 (65000,7630.0,520.0 2500 00 700 2500 终出版槁 5000 700 I000 00 25 X/m (d)模拟震源点移动20次的情况 D模拟震源点移动60次的情况 (红色点表示最优组中模拟震源点， 中模拟震源点，×点为震源点) 震源点移动情况 Fig.10 Simulation of source point movement under 1.0~-1.0s time error 4.54.760584,6s15 (6537.61.76158358096 (600.0,763005200 45 600.,763005200 650007630,520m a)二次计算定位情 三次计算定位情况 (c)四次计算定位情况 圆1I使用拐点回溯法以及EDPS多次计算情况 对比图9与图0可以看出，理想状态下与含监测误差情况下，定位算法出现216m的偏差，为此使 用拐点回溯法和EDPS来降低整体目标函数值，算法每次随机抽取50台智能手机，智能手机总数量的最 小值为150，共进行4次计算，每次计算的定位情况如图11所示。由图11可以看出，经过多次计算，定 位误差逐渐减小，每次计算出的震源位置、定位误差、目标函数值、手机数量等相关数据如表4所示。 表4EDPS慎执行结暴 Tab.4 Results of EDPS algorithm execution Count time True focal Calculated focal Objective function Error Phone number location(m) location(m) value value(m) (6500.0,7630.0,520.0) (6657.2,7491.6,573.8) 0.3819 216 300 2 (6500.0,7630.0,520.0) (6508.3,7491.7,537.2) 0.2220 139 250 3 (6500.0,7630.0,520.0) (6464.5,7605.8,608.1) 0.1178 98 200
罗 浩等 基于手机移动传感网络的矿震群智定位方法 9 由表 3 可以看出，当到时误差位于-0.6s~0.6s 区间时，目标函数不收敛，定位误差大于 1000m，难以 现场应用。当到时误差位于-0.4s~0.4s 区间时，定位误差较大，通过对萤火虫进行优化，当到时误差位于- 1.0s~1.0s 区间时，目标函数能够收敛，且定位误差较普通萤火虫算法降低。当到时误差位于 -1.0s~1.0s 区 间时，模拟震源点移动情况如图 10 所示，当模拟震源点移动 60 次时，定位误差为 334m，仍然较大。下面 通过引入拐点回溯法和 EDPS 策略进一步降低定位误差。 (a)模拟震源点移动 5 次的情况 (b)模拟震源点移动 10 次的情况 (c)模拟震源点移动 15 次的情况 (d)模拟震源点移动 20 次的情况 (e)模拟震源点移动 40 次的情况 (f)模拟震源点移动 60 次的情况 (红色点表示最优组中模拟震源点，绿色点表示普通组中模拟震源点，×点为震源点) 图 10 -1.0~1.0s 到时误差模拟震源点移动情况 Fig.10 Simulation of source point movement under 1.0 ~ -1.0s time error (a)二次计算定位情况 (b)三次计算定位情况 (c)四次计算定位情况 (红色点表示最优组中模拟震源点，绿色点表示普通组中模拟震源点，×点为震源点) 图 11 使用拐点回溯法以及 EDPS 多次计算情况 Fig.11 Positioning by inflection point backtracking method and EDPS repeatedly 对比图 9 与图 10 可以看出，理想状态下与含监测误差情况下，定位算法出现 216m 的偏差，为此使 用拐点回溯法和 EDPS 来降低整体目标函数值，算法每次随机抽取 50 台智能手机，智能手机总数量的最 小值为 150，共进行 4 次计算，每次计算的定位情况如图 11 所示。由图 11 可以看出，经过多次计算，定 位误差逐渐减小，每次计算出的震源位置、定位误差、目标函数值、手机数量等相关数据如表 4 所示。 表 4 EDPS 算法执行结果 Tab.4 Results of EDPS algorithm execution Count time True focal location(m) Calculated focal location(m) Objective function value Error value(m) Phone number 1 (6500.0,7630.0,520.0) (6657.2 ,7491.6,573.8) 0.3819 216 300 2 (6500.0,7630.0,520.0) (6508.3,7491.7,537.2) 0.2220 139 250 3 (6500.0,7630.0,520.0) (6464.5,7605.8,608.1) 0.1178 98 200 录用稿件，非最终出版稿
10 工程科学学报 4 (6500.0,7630.0,520.0) (6537.6,7615.8,580.9) 0.0569 73 150 由表4可知，在保证一定数量的智能手机的情况下，随着多次抽取高离散到时误差手机，目标函数 值降低的同时，定位误差同步减小。由于所有手机大致布置在同一水平面上，所以通过观察手机到时与X 轴，Y轴的相互关系可以看出高误差手机排除情况，使用EDPS策略前后手机到时与X轴，Y轴的相对关 系如图12所示。由图12可以看出在使用了EDPS策略后，手机到时的云图更加平滑，说明部分高误差手 机已经被成功排除。为了确保客观性，针对同一事件，不同监测误差的情况下，对算法执行情况进行统计， 结果如表5所示。 000 4o0 100 0020003000400050006000700080009000 100020003000400响50m East west direction/m (a使用EDPS前智能手机到时与X,Y轴的关系 (b)使用EDPS后智能手机到时与X,Y轴的关系 圆12智能手机到时分布Y Fig.12 Distributing graph of smart phone arrival time 表5不到时整下镇法执行况 Tab.5 Algorit hm executi on None EDPS With EDPS under True focal Objective Error differe Calculated focal value( Calculated focal function value( location(m) location(m) val m) location(m) value m) nt time errorsA rrival time error(s) (6500.0,7630.0,520. (6537.6,7615.8,580.9 -1.01.0 (6657.2.74917.53.8) 0.3819 216 0.0569 73 0) ) (6500.0,7630.0,520. (6459.8.7653.6.558.0 -0.8-0.8 6392.57670.7.674.1) 0.2543 192 0.0493 60 0) (6500.0,7630.0.52 (6486.87600.5,554.1 -0.60.6 (6$48.1,7731.3,429.1) 0.1561 144 0.0411 47 0) (6500.0,7630.0520 (6507.3,7622.8,501.4 -0.4-0.4 6527.7,7655.2,416.2) 0.0771 110 0.0174 21 0) (6500.0,7630.0.,520 (6533.9.7620.1,457.5 (6497.6.7618.6,507.4 -0.2-0.2 0.0522 71 0.0078 17 0 由图13可知，在含到时误差的情况下，定位算法误差随目标函数值的变化而变化，目标函数值降低，智 能手机相对误差降低，定位算法误差降低，所以当抽离一定数量的智能手机时，若算法目标函数值降低， 则高相对误差的智能手机被抽离，算法的定位精度提升。由图14可以看出EDPS能够有效的降低定位误差， 当手机的监测误差为-0.2s-0.2s时，定位误差由71m降低至17m,定位精度提升76.1%，监测误差为- 1.0s~1.0s时，定位误差由216m降低至73m,定位精度提升66.2%，由此可以看出，通过移动智能手机进 行微震事件定位的方法是可行的
10 工程科学学报 4 (6500.0,7630.0,520.0) (6537.6,7615.8,580.9) 0.0569 73 150 由表 4 可知，在保证一定数量的智能手机的情况下，随着多次抽取高离散到时误差手机，目标函数 值降低的同时，定位误差同步减小。由于所有手机大致布置在同一水平面上，所以通过观察手机到时与 X 轴，Y 轴的相互关系可以看出高误差手机排除情况，使用 EDPS 策略前后手机到时与 X 轴，Y 轴的相对关 系如图 12 所示。由图 12 可以看出在使用了 EDPS 策略后，手机到时的云图更加平滑，说明部分高误差手 机已经被成功排除。为了确保客观性，针对同一事件，不同监测误差的情况下，对算法执行情况进行统计， 结果如表 5 所示。 (a)使用 EDPS 前智能手机到时与 X,Y 轴的关系 (b)使用 EDPS 后智能手机到时与 X,Y 轴的关系 图 12 智能手机到时分布 Fig.12 Distributing graph of smart phone arrival time 表 5 不同到时误差下算法执行情况 Tab.5 Algorit hm executi on under differe nt time errorsA rrival time error(s) True focal location(m) None EDPS Calculated focal location(m) Objectiv e function value Error value( m) With EDPS Calculated focal location(m) Objective function value Error value( m) -1.0~1.0 (6500.0,7630.0,520. 0) (6657.2,7491.7,573.8) 0.3819 216 (6537.6,7615.8,580.9 ) 0.0569 73 -0.8~0.8 (6500.0,7630.0,520. 0) (6392.5,7670.7,674.1) 0.2543 192 (6459.8,7653.6,558.0 ) 0.0493 60 -0.6~0.6 (6500.0,7630.0,520. 0) (6548.1,7731.3,429.1) 0.1561 144 (6486.8,7600.5,554.1 ) 0.0411 47 -0.4~0.4 (6500.0,7630.0,520. 0) (6527.7,7655.2,416.2) 0.0771 110 (6507.3,7622.8,501.4 ) 0.0174 21 -0.2~0.2 (6500.0,7630.0,520. 0) (6533.9,7620.1,457.5. 4) 0.0522 71 (6497.6,7618.6,507.4 ) 0.0078 17 由图 13 可知，在含到时误差的情况下，定位算法误差随目标函数值的变化而变化，目标函数值降低，智 能手机相对误差降低，定位算法误差降低，所以当抽离一定数量的智能手机时，若算法目标函数值降低， 则高相对误差的智能手机被抽离，算法的定位精度提升。由图 14 可以看出 EDPS 能够有效的降低定位误差， 当手机的监测误差为-0.2s~0.2s 时，定位误差由 71m 降低至 17m，定位精度提升 76.1%，监测误差为- 1.0s~1.0s 时，定位误差由 216m 降低至 73m，定位精度提升 66.2%，由此可以看出，通过移动智能手机进 行微震事件定位的方法是可行的。 录用稿件，非最终出版稿