針對巖體工程中巖體破裂信號與爆破振動信號難以自動區(qū)分的問題,提出了一種基于集合經(jīng)驗模態(tài)分解(EEMD)關聯(lián)維數(shù)與機器學習相結合的微震信號特征提取和分類方法。利用EEMD將微震信號分解為本征模態(tài)函數(shù)(IMF)分量,并從得到的IMF分量中篩選出主分量IMF1～IMF4,再通過相空間重構計算出各個主分量的關聯(lián)維數(shù),最后將所得到的關聯(lián)維數(shù)作為特征向量,使用SVM方法進行微震信號自動識別,并與其他機器學習方法進行對比分析。試驗結果表明:該方法對微震信號的自動識別具有較高的準確率,且基于高斯核函數(shù)的SVM的識別效果明顯優(yōu)于邏輯回歸(LR)和K-近鄰算法(KNN)判別法的識別結果,其準確率達到93.7%。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 微震信號特征提取
    1.1 集合經(jīng)驗模態(tài)分解（EEMD)
    1.2 關聯(lián)維數(shù)
2 基于機器學習的微震信號分類
    2.1 自動識別方法
    2.2 微震信號自動識別流程
3 微震信號自動識別應用
    3.1 工程概況
    3.2 自動識別模型訓練
    3.3 分類結果與分析
    3.4 SVM核函數(shù)的選取對識別準確率的影響
4 結論



本文編號：3842019