-
题名基于特征选择的矿山微震信号自动识别
- 1
-
-
作者
郑培晓
蒲成志
谢国森
罗勇
李广悦
-
机构
南华大学资源环境与安全工程学院
核工业北京化工冶金研究院
-
出处
《岩土力学》
北大核心
2025年第7期2199-2210,共12页
-
基金
国家自然科学基金面上项目(No.52474133)。
-
文摘
微震信号的自动识别是微震监测技术中亟需解决的一个重要问题,决定了预警的准确性与时效性。基于机器学习的方法虽在微震信号识别中得到了广泛应用,但其在处理低信噪比的原始信号时效果欠佳。该方法中,特征集和算法模型二者共同决定了信号的识别率,但特征集构建尚缺乏统一的标准。为解决该问题,基于改进的多准则融合特征选择算法,开展了某金属矿山微震信号的自动识别研究。首先构建开放式信号特征库,库内分3类收录了多种被证实可用于信号识别的特征,随后运用改进的多准则融合特征选择算法对库内特征进行量化评分,选出最优子集,最后将该子集作为粒子群优化支持向量机(particle swarm optimization-support vector machine,简称PSO-SVM)识别算法的输入,开展信号自动识别试验。结果表明:使用改进后的多准则融合特征选择算法构建的最优子集包含32个特征,相较于传统方法构建的特征集包含特征类别更为丰富,将其作为信号输入,在使用少量训练数据的情况下,训练集与测试集的信号识别率分别为100.00%和99.23%,满足工程需要。不同类别特征对信号识别贡献不同,时频域特征相较于时域和频域特征具有更好的表现。该研究为微震信号的自动识别提供了新的有效途径,对推动微震监测技术在工程中的广泛应用具有重要意义。
-
关键词
微震信号识别
特征选择
PSO-SVM算法
特征库
原始信号
-
Keywords
microseismic signals identification
feature selection
PSO-SVM algorithm
feature library
original signal
-
分类号
TD853
[矿业工程—金属矿开采]
TD868
[矿业工程—金属矿开采]
-
-
题名有效微震信号自动识别技术研究
被引量：3
- 2
-
-
作者
刘晓明
赵君杰
彭平安
毕林
代碧波
-
机构
中南大学资源与安全工程学院
金属矿山安全与健康国家重点实验室
-
出处
《黄金科学技术》
CSCD
2017年第3期84-91,共8页
-
基金
国家自然科学基金项目"复杂空区三维激光等距扫描与多站点云建模算法研究"(编号:51604301)
金属矿山安全与健康国家重点实验室开发基金项目"深井复杂空区三维激光等距扫描与建模算法研究"(编号:2015-JSKSSYS-01)联合资助
-
文摘
拾取微地震信号到时对事件定位研究至关重要,传统方法直接拾取所有采集信号到时后,再通过人工手动判别出微地震事件,工作量大且效率低。针对这一问题,提出了一种自动识别有效微震信号方法——能量极值法(Energy Extreme Value,EEV)。通过移动时窗计算信号能量比Ratio变化曲线,分析不同信号的区别,提出在Ratio变化曲线上寻找与右侧点之间的偏差大于临界值Diff的特征极值点作为判别条件,研究分析了该方法的主要影响因素为移动时窗长度M和临界值Diff,并优化确定了最佳参数。采用MATLAB对冬瓜山铜矿采集的实际信号数据进行分析处理,结果表明:该算法能够精确识别噪声和微地震信号,与人工手动判别结果对比,准确率达96%以上,极大地缩短了数据处理时间,提高了工作效率,对微震信号处理具有重要的指导意义。
-
关键词
微地震
微震信号识别
微震监测系统
能量极值法
MATLAB
-
Keywords
microseismic
microseismic signal identification
energy extreme value
energy extremum value method
MATLAB
-
分类号
TD325.4
[矿业工程—矿井建设]
-
-
题名基于变分模态分解和粒子群算法的微震信号降噪方法
被引量：10
- 3
-
-
作者
邓红卫
申一鹏
-
机构
中南大学资源与安全工程学院
-
出处
《矿冶工程》
CAS
CSCD
北大核心
2021年第1期7-10,15,共5页
-
基金
国家自然科学基金(51874352)
中南大学研究生科研创新项目(2018zzts753)。
-
文摘
为从含噪微震信号中提取有效信息,并准确识别岩体破裂信号和爆破振动信号,提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值,以最优参数对微震信号进行变分模态分解,再对由高频噪声主导的模态分量进行小波阈值去噪,将去噪后的高频信号分量与原先的低频信号分量进行重构,实现信号降噪。经验证,该方法相比集合经验模态分解和单纯的变分模态分解方法具有更好的降噪效果。以该方法对200组岩体破裂信号和200组爆破振动信号进行去噪,以第一模态分量能量占比50%作为区分爆破振动信号和岩体破裂信号的依据,识别成功率达到97.25%,证实了此识别方法的准确性。
-
关键词
爆破振动信号
岩体破裂信号
变分模态分解
粒子群算法
小波阈值
去噪
微震信号识别
降噪
-
Keywords
signal about blasting vibration
signal about rock mass fracture
variational mode decomposition(VMD)
particle swarm optimization(PSO)
wavelet threshold
denoising
microseismic signal identification
noise reduction
-
分类号
X936
[环境科学与工程—安全科学]
-
