基于EEMD和关联维数的矿山微震信号特征提取和分类

摘要：

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％.

关键词：微震信号、集合经验模态分解(EEMD)、相空间重构、关联维数、机器学习

所属期刊栏目：28

分类号：TD76(矿山安全与劳动保护)

资助基金：国家重点研发计划项目"深部金属矿集约化连续采矿理论与技术"编号:2017YFC0602905

在线出版日期：2020-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：585-594