本文關(guān)鍵詞：微地震信號的特征提取與分類識別的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：微地震監(jiān)測技術(shù)在國外已經(jīng)被廣泛的應(yīng)用在大型巖土工程施工和大型結(jié)構(gòu)體運行的安全性的監(jiān)測中,如監(jiān)測邊坡、地下洞室與隧道的穩(wěn)定性等方面。雖然在這個技術(shù)國內(nèi)在工程鄰域中的應(yīng)用才剛剛起步,但是卻起著越來越重要的作用。微地震監(jiān)測能對大型工程的施工和安全監(jiān)測提供準確的數(shù)據(jù)依據(jù),如何能夠快速有效的識別出微地震信號,對大型工程的安全評估具有舉足輕重的意義。微地震監(jiān)測系統(tǒng)由于具有較高的監(jiān)測靈敏度,同時微地震信號本身的能量較弱,易受背景噪聲干擾,這些因素使得真正需要提取的微地震信號被“淹沒”在大量的干擾信號中,不能被快速準確的被篩選出來,降低了微地震信號的時效性和準確性,對大型巖土工程施工和大型結(jié)構(gòu)體運行的安全性監(jiān)測造成不利影響。本文通過提取微地震信號不同的信號特征,并對這些不同的信號特征進行融合后產(chǎn)生新特征,使用不同的分類識別方法對這些新特征進行分類實驗,尋找到了一種能夠快速有效識別微地震信號的手段。本文的實驗平臺為Matlab 2013a,提取的微地震信號特征有小波包系數(shù)香儂熵、小波包系數(shù)能量比、信號過零率、信號峰度系數(shù)、信號的信噪比這5種信號特征,分類方法選取了SVM支持向量機算法、K近鄰算法(KNN)和KNN-SVM算法這三類算法。對以上5種信號特征相互融合生成了12種信號特征,并使用上述這3種分類算法進行分類實驗,選取了其中分類正確率最高的信號特征與分類方法的組合,然后將其應(yīng)用于實際的微地震信號的識別分類中并且取得了良好的效果。在本文實驗選取了SVM、KNN、KNN-SVM三種算法,其中SVM算法和KNN算法選取了db7、db3、rbio1.5三種不同的小波基進行了試驗。首先選用SVM支持向量機法對所提取的特征進行分類,為了測試小波基、分類器、核函數(shù)、不同信號特征組等參數(shù)對分類結(jié)果造成的影響,每次測試中通過只改變一種參數(shù)來進行測試,以此來觀察各種不同參數(shù)對分類結(jié)果造成的影響,SVM算法中分類器測試中選取了C-SVC和V-SVC兩種分類器,核函數(shù)選取了Rbf、Linear、Sigmoid三種核函數(shù),在SVM算法的實驗結(jié)果中,采用信號過零率、信號的信噪比、信號的峰度系數(shù)、信號的db7小波基的小波包系數(shù)香儂熵的特征組合加Rbf核函數(shù)和V-SVC分類器進行搭配時的分類效果最好為95%。在KNN算法實驗中選K值選擇了3、5、7、9、11這5個值,在KNN算法結(jié)果中當K=7,采用db7小波基的小波包系數(shù)香儂熵與信號峰度系數(shù)、信號的信噪比的特征組合下分類正確率最好為85%。而在KNN-SVM算法實驗中小波基選用了前面表現(xiàn)較好的db7小波基和V-SVC分類器,K值為2、3、4、5、6,核函數(shù)選取了Rbf、Linear、Sigmoid三種核函數(shù)進行分類實驗,無論何種核函數(shù)當K=5或6,db7小波基的小波包系數(shù)香儂熵和信號峰度系數(shù)的特征組合分類正確率最好為55%。最終結(jié)果表明在使用SVM算法下,信號過零率、信號的信噪比、信號峰度系數(shù)、信號的db7小波基的小波包系數(shù)香儂熵的信號特征組合與Rbf核函數(shù)的V-SVC分類器進行搭配對實際的微地震信號能夠有效的進行篩選。并將其應(yīng)用在了實際的水電站運行中監(jiān)測得到的信號中,取得了良好的效果。這種手段使得施工和監(jiān)測人員能夠通過微地震監(jiān)測系統(tǒng)快速、準確、可靠的提取出需要的微地震監(jiān)測信號。
【關(guān)鍵詞】：微地震 信號特征融合 SVM支持向量機 K近鄰算法 KNN-SVM算法
【學位授予單位】：成都理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P315.6;P315.9
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-15
• 1.1 選題背景、依據(jù)及意義10-11
• 1.2 微地震監(jiān)測技術(shù)的國內(nèi)外研究現(xiàn)狀和關(guān)鍵問題11-13
• 1.2.1 微地震監(jiān)測技術(shù)歷史與發(fā)展11-12
• 1.2.2 微地震監(jiān)信號的特征提取與分類識別的研究現(xiàn)狀12-13
• 1.3 本文的研究意義、研究思路與內(nèi)容、預期成果13-15
• 1.3.1 研究意義13
• 1.3.2 研究思路與內(nèi)容13-14
• 1.3.3 預期成果14-15
• 第二章 微地震監(jiān)測原理與信號特征提取15-24
• 2.1 微地震監(jiān)測方法原理15-16
• 2.1.1 微地震監(jiān)測系統(tǒng)簡介15
• 2.1.2 微地震監(jiān)測原理15-16
• 2.2 微地震監(jiān)測信號特征提取原理16-23
• 2.2.1 數(shù)據(jù)預處理原理及方法16-17
• 2.2.2 幾種提取的數(shù)據(jù)特征17
• 2.2.3 信號的峰度系數(shù)17-19
• 2.2.4 時域過零率提取19-20
• 2.2.5 信號的信噪比提取20-22
• 2.2.6 小波包系數(shù)香儂熵提取22-23
• 2.2.7 小波包系數(shù)能量比提取23
• 2.3 本章小結(jié)23-24
• 第三章 識別分類方法及其相關(guān)原理24-41
• 3.1 支持向量機（Support Vector Machine）24-32
• 3.1.1 線性分類算法24-25
• 3.1.2 最大分類間隔25-26
• 3.1.3 SVM對于線性可分問題與線性不可分問題26-30
• 3.1.4 松弛變量（Outliers）30-32
• 3.1.5 SVM支持向量機的特性32
• 3.2 交叉驗證（Cross Validation)原理32-34
• 3.3 SVM算法的實驗步驟34
• 3.4 KNN鄰近法（K-Nearest Neighbor）基本原理與特性34-38
• 3.4.1 KNN鄰近法的基本原理34-36
• 3.4.2 KNN鄰近算法指導思想36
• 3.4.3 KNN鄰近法的特性36-37
• 3.4.4 常見的相似距離37
• 3.4.5 KNN鄰近算法算法與SVM支持向量機算法的區(qū)別37-38
• 3.5 KNN-SVM算法原理與步驟38-40
• 3.5.1 KNN-SVM算法原理38-39
• 3.5.2 KNN-SVM算法的主要步驟39-40
• 3.6 本章小結(jié)40-41
• 第四章 微地震監(jiān)測信號的分類實驗41-58
• 4.1 基本數(shù)據(jù)組合院參數(shù)配置41-42
• 4.2 支持向量機中不同參數(shù)對分類的影響42-52
• 4.2.1 不同小波基函數(shù)的選擇對分類的影響42-44
• 4.2.2 不同分類器的選擇對分類的影響44-46
• 4.2.3 不同核函數(shù)合對分類的影響46-48
• 4.2.4 不同數(shù)據(jù)組合對分類的48-52
• 4.3 KNN鄰近算法中不同參數(shù)對分類的影響52-55
• 4.3.1 不同小波基對分類的影響52-53
• 4.3.2 不同K值和數(shù)據(jù)組合對分類的影響53-55
• 4.4 KNN-SVM算法中不同參數(shù)對分類的影響55-57
• 4.5 本章小結(jié)57-58
• 第五章 應(yīng)用效果與意義58-67
• 5.1 工區(qū)簡介58-60
• 5.2 應(yīng)用過程60-61
• 5.3 應(yīng)用效果與分析61-65
• 5.4 應(yīng)用意義65-66
• 5.5 本章小結(jié)66-67
• 結(jié)論67-69
• 致謝69-70
• 參考文獻70-73
• 攻讀學位期間取得學術(shù)成果73

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉建中,王春耘,劉繼民,趙玉武,劉志鵬;用微地震法監(jiān)測油田生產(chǎn)動態(tài)[J];石油勘探與開發(fā);2004年02期

2 T. Wallroth ,朱成宏;用注水激發(fā)的微地震描述裂隙儲層[J];石油物探譯叢;1996年06期

3 劉建安,馬紅星,慕立俊,邱筱琳;井下微地震裂縫測試技術(shù)在長慶油田的應(yīng)用[J];油氣井測試;2005年02期

4 王亞娟;張華光;王成旺;劉利霞;鄧軍;胡淑娟;;利用微地震測繪和壓裂模擬分析進行水力裂縫增長動態(tài)研究[J];國外油田工程;2006年10期

5 朱衛(wèi)星;;相關(guān)濾波在微地震數(shù)據(jù)處理中的應(yīng)用[J];勘探地球物理進展;2007年02期

6 黃今;蘇華友;沙椿;何剛;郝名揚;;錦屏電站微地震監(jiān)測儀故障分析與探討[J];科技經(jīng)濟市場;2008年11期

7 周仲禮;王琪;殷靜;范譚廣;談偉敦;;用微地震發(fā)現(xiàn)高速巖性及識別油氣[J];吐哈油氣;2008年03期

8 黃今;蘇華友;盧國勝;杜林;范波峰;;采動過程中微地震定位方法研究[J];現(xiàn)代礦業(yè);2009年02期

9 黃克獻;李利立;劉軍芳;岳琳;楊啟明;;微地震地下影像技術(shù)在注水破裂監(jiān)測和剩余油分布研究中的應(yīng)用[J];內(nèi)蒙古石油化工;2009年14期

10 胡慶春;孟米;;基于大井距油氣田的微地震壓裂監(jiān)測技術(shù)研究[J];天然氣技術(shù)與經(jīng)濟;2011年04期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 儲仿東;王永輝;李永平;衡峰;容嬌君;;微地震井中監(jiān)測技術(shù)在致密砂巖中的應(yīng)用實例[A];中國地球物理2013——第十二專題論文集[C];2013年

2 余洋洋;梁春濤;楊宜海;;微地震監(jiān)測系統(tǒng)的設(shè)計[A];中國地球物理2013——第二十三專題論文集[C];2013年

3 張佩;張海江;M.Nafi Toksoz;;猶他州Cove Fort-Sulphurdale地區(qū)微地震震源機制研究與應(yīng)用[A];2014年中國地球科學聯(lián)合學術(shù)年會——專題12：強震機理、孕育環(huán)境與地震活動性分析論文集[C];2014年

4 駱循;;礦山與大型地下工程災(zāi)害監(jiān)測的微地震技術(shù)應(yīng)用[A];中國地球物理學會第二十三屆年會論文集[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 特約記者 李銘　通訊員 彭樹禹;長慶井下首次實施微地震試驗成功[N];中國石油報;2009年

2 特約記者 林勇;勝利油田首次自主微地震壓裂監(jiān)測采集試驗成功[N];東營日報;2010年

3 記者 金江山 通訊員 王曉泉;井中微地震裂縫監(jiān)測技術(shù)獲重大突破[N];中國石油報;2013年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 江海宇;油田壓裂微地震地面監(jiān)測速度模型校正及定位研究[D];吉林大學;2016年

2 況文歡;結(jié)合地震學和地質(zhì)力學對微地震數(shù)據(jù)的研究[D];中國科學技術(shù)大學;2015年

3 張喚蘭;微地震數(shù)值模擬及震源定位方法研究[D];西安科技大學;2014年

4 逄煥東;巖體微地震的模式、定位及其失穩(wěn)預報研究[D];山東科技大學;2004年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 王超;微地震正演方法研究[D];長安大學;2015年

2 李亮;微地震信號自動檢測及震源掃描分割矩陣反演方法研究[D];長安大學;2015年

3 于子超;水力壓裂微地震信號提取與裂縫反演研究[D];長安大學;2015年

4 蔣騰飛;微地震數(shù)據(jù)去噪方法研究[D];長江大學;2015年

5 王子陽;砂礫巖體人工裂縫及地層物性的微地震方法研究[D];中國石油大學(華東);2014年

6 屈敬翔;面向頁巖氣勘探的微地震采集記錄儀研制[D];中國海洋大學;2015年

7 田厚強;鄆城煤礦綜放采場微地震與應(yīng)力特征研究及應(yīng)用[D];安徽理工大學;2016年

8 王東鶴;基于射線理論的微地震速度模型校正方法研究[D];吉林大學;2016年

9 劉昕;基于高階累積量和Shearlet變換的微地震數(shù)據(jù)噪聲壓制研究[D];吉林大學;2016年

10 常凱;稀疏約束反演在微地震插值與成像中的應(yīng)用[D];吉林大學;2016年

  本文關(guān)鍵詞：微地震信號的特征提取與分類識別的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：272416