融合知识的多通道微震波形识别与定位方法研究
发布时间：2021-03-19 17:49
冲击地压是一种典型的煤矿动力灾害,严重威胁煤矿的高效生产和人员安全。因此,冲击地压灾害的预防与预警至关重要。微震监测技术作为一种间接、实时、无损的地球物理监测方法,在矿山冲击地压、水害防治和边坡变形等工程中得到广泛应用。目前,通过连续监测矿山微震,是实现冲击地压预警的较为有效手段。在微震监测中,波形识别是数据处理的基础,震源位置是监测中需要确定的最关键的参数之一。然而,矿山微震波形受背景噪音、机械振动等因素干扰,信号复杂,已有识别系统和定位方法效果有限。如何提高微震波形的识别效果和震源定位的精度,是目前亟需解决的问题。本文一方面结合领域知识和数据的非平衡特性,从算法层面研究微震波形的非平衡识别问题;另一方面,充分考虑参与定位的通道个数对定位精度的显著影响,深入研究震源的反演定位方法。本文的主要研究工作如下:（1）针对多通道微震波形数据识别问题,提出一种融合知识的微震波形SMOTE识别方法,实现对微震波形的分类。首先,对源于SOS微震监测系统的微震数据进行预处理,构建基于时窗能量知识的多通道微震信号数据集;其次,根据时间窗内微震检波探测器所采集的微震波形方差,确定波形之间的空间相关性,构...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
中国发生冲击地压数量累计分布图
1绪论5弛。其中，储藏能量的一部分应力便会以声波的方式释放出来，这样就产生了微震，也就是通常所说的低震级事件。另外，经过长期的观察，学者们发现低震级事件的频率一般分布在200~1500Hz左右，持续时间一般不超过15s。使用地震记录仪对低震级事件进行记录，传输回来的结果一般为清晰连续的波形，通常情况下，一次比较强的低震级事件，其持续的时间一般比较长，能量也越大，但是其频率一般都比较低。图1-2SOS微震监测系统硬件结构图Figure1-2ThestructureofSOSmicro-seismicmonitoringsystem目前，在矿山领域，基于微震监测技术的冲击地压监测系统主要包括波兰SOS、加拿大ESG、中国安科兴业BSM系统等[26]。本文使用的数据来自山东某矿，该矿安装的是波兰SOS微震监测系统，该系统在我国的推广始于中国矿业大学，其系统硬件结构如图1-2所示。SOS系统最初是由波兰矿山研究总院立项设计的，中国矿业大学相关实验室负责对该系统的后续研究和开发。现在煤矿使用的该系统均为新一代SOS微震监测系统。利用该系统，可实现煤矿全矿井的远距离、实时、自动监测，并可收集、记录和分析煤矿冲击地压微震波形信号[27]。1.2.3微震波形识别微震波形识别是数据处理的基础，大部分现有的微震监测系统装配了微震波形识别功能[28-30]。然而，矿山微震波形受井下噪音、机电装置等因素干扰，波形变得非常复杂，现有微震监测系统自动识别能力较差。基于此，目前仍然采用人工识别微震波形的方法，但其效率低，且容易出现误处理和处理不及时等情况。因此，如何有效分类矿山微震波形是目前面临的一个重大难题[31]。
通道微震波形的非平衡特性，并阐述了非平衡数据及其分类问题。在 2.2 节描述了微震震源的反演定位方法及基于反演法的震源定位基本数学模型。在 2.3 节给出了本章内容的总结。 2.1 微 震 数 据 与 非 平 衡 学 习 (Micro-seismic Data and Imbalanced Learning) 本文数据来源于 SOS 微震监测系统，一般而言，煤矿巷道的 SOS 微震监测系统通常由 20 个微震检波探测器构成，采样数据的时间窗一般设置为 4 小时，每个检波探测器在该时间窗内包含 10240 个微震波形采样值，由此，构成的微震波形数据结构如图 2-1。
【参考文献】：
期刊论文
[1]求解TSP问题的改进模拟退火算法[J]. 何锦福,符强,王豪东. 计算机时代. 2019(07)
[2]面向高维特征和多分类的分布式梯度提升树[J]. 江佳伟,符芳诚,邵蓥侠,崔斌. 软件学报. 2019(03)
[3]基于流形嵌入过采样的非平衡数据分类方法[J]. 程健,杨凌凯,崔宁,郭一楠. 中国矿业大学学报. 2018(06)
[4]基于遗传-拟牛顿混合算法的远场震源定位[J]. 李月,陈卿,丁恩杰,程龙. 河南理工大学学报(自然科学版). 2018(02)
[5]基于半监督过采样非平衡学习的矿山微震信号识别[J]. 程健,杨凌凯,王全魁,崔宁,郭一楠. 煤炭科学技术. 2018(02)
[6]煤矿典型动力灾害风险精准判识及监控预警关键技术研究进展[J]. 袁亮,姜耀东,何学秋,窦林名,赵毅鑫,赵旭生,王凯,于庆,卢新明,李红臣. 煤炭学报. 2018(02)
[7]基于不平衡数据样本特性的新型过采样SVM分类算法[J]. 黄海松,魏建安,康佩栋. 控制与决策. 2018(09)
[8]一种基于TOA测距的室内三维质心定位算法研究[J]. 何世钧,黄智伟,黄星琪. 测控技术. 2017(10)
[9]煤岩体应力动态监测系统开发及应用[J]. 王恩元,徐文全,何学秋,沈荣喜,孔祥国. 岩石力学与工程学报. 2017(S2)
[10]模拟退火方法在三维速度模型地震波走时反演中的应用[J]. 李飞,张雪梅,陈宏峰,何少林. 中国地震. 2017(03)
博士论文
[1]微震震源定位的关键因素作用机制及可靠性研究[D]. 李楠.中国矿业大学 2014
[2]临汾盆地地壳精细结构探测与孕震构造研究[D]. 李自红.太原理工大学 2014
硕士论文
[1]矿山微震数据流上的概念漂移及分类方法研究[D]. 罗钦云.中国矿业大学 2019
[2]流形嵌入过采样非平衡学习及其应用研究[D]. 杨凌凯.中国矿业大学 2018
[3]震源信息处理与反演定位方法研究[D]. 李月.中国矿业大学 2018
[4]非平衡数据极限学习机分类方法及其应用[D]. 张培.中国矿业大学 2018
[5]基于不同目标函数的波形反演研究[D]. 刘宇皓.中国科学技术大学 2017
[6]脑机接口中非平衡数据的分类研究[D]. 王祯.浙江理工大学 2017
[7]基于最大化F1值学习的不平衡数据集分类算法研究[D]. 姜嘉尧.哈尔滨工业大学 2017
[8]煤矿微震与爆破信号特征提取及识别研究[D]. 李保林.中国矿业大学 2016
[9]基于数据挖掘的煤矿微震危害预测实证分析[D]. 李盛.云南师范大学 2015
[10]华亭煤矿综放煤柱区冲击地压防治研究[D]. 周澎.西安科技大学 2010
本文编号：3089969
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
中国发生冲击地压数量累计分布图
1绪论5弛。其中，储藏能量的一部分应力便会以声波的方式释放出来，这样就产生了微震，也就是通常所说的低震级事件。另外，经过长期的观察，学者们发现低震级事件的频率一般分布在200~1500Hz左右，持续时间一般不超过15s。使用地震记录仪对低震级事件进行记录，传输回来的结果一般为清晰连续的波形，通常情况下，一次比较强的低震级事件，其持续的时间一般比较长，能量也越大，但是其频率一般都比较低。图1-2SOS微震监测系统硬件结构图Figure1-2ThestructureofSOSmicro-seismicmonitoringsystem目前，在矿山领域，基于微震监测技术的冲击地压监测系统主要包括波兰SOS、加拿大ESG、中国安科兴业BSM系统等[26]。本文使用的数据来自山东某矿，该矿安装的是波兰SOS微震监测系统，该系统在我国的推广始于中国矿业大学，其系统硬件结构如图1-2所示。SOS系统最初是由波兰矿山研究总院立项设计的，中国矿业大学相关实验室负责对该系统的后续研究和开发。现在煤矿使用的该系统均为新一代SOS微震监测系统。利用该系统，可实现煤矿全矿井的远距离、实时、自动监测，并可收集、记录和分析煤矿冲击地压微震波形信号[27]。1.2.3微震波形识别微震波形识别是数据处理的基础，大部分现有的微震监测系统装配了微震波形识别功能[28-30]。然而，矿山微震波形受井下噪音、机电装置等因素干扰，波形变得非常复杂，现有微震监测系统自动识别能力较差。基于此，目前仍然采用人工识别微震波形的方法，但其效率低，且容易出现误处理和处理不及时等情况。因此，如何有效分类矿山微震波形是目前面临的一个重大难题[31]。
通道微震波形的非平衡特性，并阐述了非平衡数据及其分类问题。在 2.2 节描述了微震震源的反演定位方法及基于反演法的震源定位基本数学模型。在 2.3 节给出了本章内容的总结。 2.1 微 震 数 据 与 非 平 衡 学 习 (Micro-seismic Data and Imbalanced Learning) 本文数据来源于 SOS 微震监测系统，一般而言，煤矿巷道的 SOS 微震监测系统通常由 20 个微震检波探测器构成，采样数据的时间窗一般设置为 4 小时，每个检波探测器在该时间窗内包含 10240 个微震波形采样值，由此，构成的微震波形数据结构如图 2-1。
【参考文献】：
期刊论文
[1]求解TSP问题的改进模拟退火算法[J]. 何锦福,符强,王豪东. 计算机时代. 2019(07)
[2]面向高维特征和多分类的分布式梯度提升树[J]. 江佳伟,符芳诚,邵蓥侠,崔斌. 软件学报. 2019(03)
[3]基于流形嵌入过采样的非平衡数据分类方法[J]. 程健,杨凌凯,崔宁,郭一楠. 中国矿业大学学报. 2018(06)
[4]基于遗传-拟牛顿混合算法的远场震源定位[J]. 李月,陈卿,丁恩杰,程龙. 河南理工大学学报(自然科学版). 2018(02)
[5]基于半监督过采样非平衡学习的矿山微震信号识别[J]. 程健,杨凌凯,王全魁,崔宁,郭一楠. 煤炭科学技术. 2018(02)
[6]煤矿典型动力灾害风险精准判识及监控预警关键技术研究进展[J]. 袁亮,姜耀东,何学秋,窦林名,赵毅鑫,赵旭生,王凯,于庆,卢新明,李红臣. 煤炭学报. 2018(02)
[7]基于不平衡数据样本特性的新型过采样SVM分类算法[J]. 黄海松,魏建安,康佩栋. 控制与决策. 2018(09)
[8]一种基于TOA测距的室内三维质心定位算法研究[J]. 何世钧,黄智伟,黄星琪. 测控技术. 2017(10)
[9]煤岩体应力动态监测系统开发及应用[J]. 王恩元,徐文全,何学秋,沈荣喜,孔祥国. 岩石力学与工程学报. 2017(S2)
[10]模拟退火方法在三维速度模型地震波走时反演中的应用[J]. 李飞,张雪梅,陈宏峰,何少林. 中国地震. 2017(03)
博士论文
[1]微震震源定位的关键因素作用机制及可靠性研究[D]. 李楠.中国矿业大学 2014
[2]临汾盆地地壳精细结构探测与孕震构造研究[D]. 李自红.太原理工大学 2014
硕士论文
[1]矿山微震数据流上的概念漂移及分类方法研究[D]. 罗钦云.中国矿业大学 2019
[2]流形嵌入过采样非平衡学习及其应用研究[D]. 杨凌凯.中国矿业大学 2018
[3]震源信息处理与反演定位方法研究[D]. 李月.中国矿业大学 2018
[4]非平衡数据极限学习机分类方法及其应用[D]. 张培.中国矿业大学 2018
[5]基于不同目标函数的波形反演研究[D]. 刘宇皓.中国科学技术大学 2017
[6]脑机接口中非平衡数据的分类研究[D]. 王祯.浙江理工大学 2017
[7]基于最大化F1值学习的不平衡数据集分类算法研究[D]. 姜嘉尧.哈尔滨工业大学 2017
[8]煤矿微震与爆破信号特征提取及识别研究[D]. 李保林.中国矿业大学 2016
[9]基于数据挖掘的煤矿微震危害预测实证分析[D]. 李盛.云南师范大学 2015
[10]华亭煤矿综放煤柱区冲击地压防治研究[D]. 周澎.西安科技大学 2010
本文编号：3089969
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3089969.html
