基于EMD S VD的矿山微震与爆破信号特征提取及分类方法

发布时间：2021-08-07 07:36

　　针对矿山微震与爆破信号难以识别的问题,提出了基于经验模态分解（EMD）和奇异值分解（SVD）的矿山信号特征提取及分类方法。首先对微震与爆破信号进行EMD分解,再借助相关系数和方差贡献率筛选得到主要本征模态分量为IMF1^IMF6,进而利用SVD计算主要本征模态分量构成矩阵的奇异值σ_i（i=1,2,...,6）,最后应用支持向量机（SVM）对用沙坝矿微震与爆破信号进行分类。结果表明:微震与爆破信号的奇异值σ₁,σ₂和σ₃差异较大,且σ₁（28）7.5作为识别分界值时准确率达到了88.25%;SVM法识别效果优于BP神经网络法、Bayes法和单一奇异值分界值法,且SVM法准确率达到了93.0%。由此,该方法可为矿山微震与爆破信号特征提取和分类提供一种新方法。 

【文章来源】：岩土工程学报. 2016,38(10)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

SVM分类原理示意图

1852岩土工程学报2016年振动的IMF1具有一定的贡献，且其IMF2的两个指标达到最大值；③两类信号的IMF3～IMF6与原信号的相关系数和各自的方差贡献率均较大，但超过IMF6时，相关系数和方差贡献率的最大值仅为0.0012和0.0021，可认为IMF7～IMF10为虚假分量，应剔除。综上知，选取IMF1～IMF6作为SVD分解特征矩阵是最为合理的。由图2知IMF分量包含了多维信息，对筛选后IMF分量构成的特征矩阵T126X[c，c，，c]进行SVD分解，得到15个岩体微震信号和15个爆破振动信号的奇异值（表1），并分别对奇异值求平均得到图4。由图4知：①岩体微震的平均奇异值1，2，3和4较大，而5和6较小；②岩体微震与爆破振动信号的平均奇异值1，2和3差异较大，而4，5和6差异较小，且差异性1>2>3>4>5>6。由此，可假定奇异值可作为识别岩体微震与爆破振动信号的定量表征。图2岩体微震和爆破振动原始信号及其归一化后的EMD分解.结果Fig.2ReconstructedresultsofrockmassmicroseismandblastingvibrationafternormalizationusingEMD图3各IMF分量与原信号的相关系数和各自的方差贡献率Fig.3CorrelationcoefficientsandvariancecontributionratiosofIMFs图2（a）、（b）分别对应典型应岩体微震和爆破振动的原始信号，IMF1～IMF10为原始信号归一化后EMD求解的本征模态分量。

1852岩土工程学报2016年振动的IMF1具有一定的贡献，且其IMF2的两个指标达到最大值；③两类信号的IMF3～IMF6与原信号的相关系数和各自的方差贡献率均较大，但超过IMF6时，相关系数和方差贡献率的最大值仅为0.0012和0.0021，可认为IMF7～IMF10为虚假分量，应剔除。综上知，选取IMF1～IMF6作为SVD分解特征矩阵是最为合理的。由图2知IMF分量包含了多维信息，对筛选后IMF分量构成的特征矩阵T126X[c，c，，c]进行SVD分解，得到15个岩体微震信号和15个爆破振动信号的奇异值（表1），并分别对奇异值求平均得到图4。由图4知：①岩体微震的平均奇异值1，2，3和4较大，而5和6较小；②岩体微震与爆破振动信号的平均奇异值1，2和3差异较大，而4，5和6差异较小，且差异性1>2>3>4>5>6。由此，可假定奇异值可作为识别岩体微震与爆破振动信号的定量表征。图2岩体微震和爆破振动原始信号及其归一化后的EMD分解.结果Fig.2ReconstructedresultsofrockmassmicroseismandblastingvibrationafternormalizationusingEMD图3各IMF分量与原信号的相关系数和各自的方差贡献率Fig.3CorrelationcoefficientsandvariancecontributionratiosofIMFs图2（a）、（b）分别对应典型应岩体微震和爆破振动的原始信号，IMF1～IMF10为原始信号归一化后EMD求解的本征模态分量。

【参考文献】：
期刊论文
[1]基于波形起振特征的矿山微震与爆破信号模式识别（英文）[J]. 赵国彦,马举,董陇军,李夕兵,陈光辉,张楚旋.  Transactions of Nonferrous Metals Society of China. 2015(10)
[2]三函数四指标矿震信号S波到时拾取方法及应用[J]. 张楚旋,李夕兵,董陇军,马举,陈光辉.  岩石力学与工程学报. 2015(08)
[3]基于EMD-SVD的声发射信号特征提取及分类方法[J]. 徐锋,刘云飞.  应用基础与工程科学学报. 2014(06)
[4]基于FSWT时频分析的矿山微震信号分析与识别[J]. 赵国彦,邓青林,马举.  岩土工程学报. 2015(02)
[5]中国石油集团非常规油气微地震监测技术现状及发展方向[J]. 刘振武,撒利明,巫芙蓉,董世泰,李彦鹏.  石油地球物理勘探. 2013(05)
[6]心磁信号广义S变换域奇异值分解滤波方法[J]. 尹柏强,何怡刚,吴先明.  物理学报. 2013(14)
[7]一种立方体监测网络的声发射源和微震源解析定位方法(英文)[J]. 董陇军,李夕兵.  Transactions of Nonferrous Metals Society of China. 2012(12)
[8]基于小波分形特征与模式识别的矿山微震波形识别研究[J]. 朱权洁,姜福兴,尹永明,于正兴,温经林.  岩土工程学报. 2012(11)
[9]爆破震动与岩石破裂微震信号能量分布特征研究[J]. 朱权洁,姜福兴,于正兴,尹永明,吕垒.  岩石力学与工程学报. 2012(04)
[10]深埋隧洞岩爆孕育规律与机制:即时型岩爆[J]. 冯夏庭,陈炳瑞,明华军,吴世勇,肖亚勋,丰光亮,周辉,邱士利.  岩石力学与工程学报. 2012(03)



本文编号：3327367