基于EEMD和关联维数的矿山微震信号特征提取和分类

发布时间：2023-08-15 18:11

　　针对岩体工程中岩体破裂信号与爆破振动信号难以自动区分的问题,提出了一种基于集合经验模态分解(EEMD)关联维数与机器学习相结合的微震信号特征提取和分类方法。利用EEMD将微震信号分解为本征模态函数(IMF)分量,并从得到的IMF分量中筛选出主分量IMF1～IMF4,再通过相空间重构计算出各个主分量的关联维数,最后将所得到的关联维数作为特征向量,使用SVM方法进行微震信号自动识别,并与其他机器学习方法进行对比分析。试验结果表明:该方法对微震信号的自动识别具有较高的准确率,且基于高斯核函数的SVM的识别效果明显优于逻辑回归(LR)和K-近邻算法(KNN)判别法的识别结果,其准确率达到93.7%。

【文章页数】：10 页

【文章目录】：
1 微震信号特征提取
    1.1 集合经验模态分解（EEMD)
    1.2 关联维数
2 基于机器学习的微震信号分类
    2.1 自动识别方法
    2.2 微震信号自动识别流程
3 微震信号自动识别应用
    3.1 工程概况
    3.2 自动识别模型训练
    3.3 分类结果与分析
    3.4 SVM核函数的选取对识别准确率的影响
4 结论



本文编号：3842019