10.13272/j.issn.1671-251x.2022050081
基于改进支持向量机的微震初至波到时自动拾取方法
微震初至波到时拾取是实现微震震源高精度定位的重要前提.传统的人工拾取方法效率低,而自动拾取方法在低信噪比条件下难以准确拾取初至波到时.针对上述问题,提出了一种基于改进支持向量机(SVM)的微震初至波到时自动拾取方法.首先,对原始微震数据进行归一化处理、线性校正和适当裁剪,将微震数据的振幅、能量和相邻时刻的能量比作为特征对数据标记不同类别;然后采用粒子群优化(PSO)算法和网格搜索法优化SVM的惩罚参数和核函数参数,即先利用PSO算法对参数进行大范围的快速定位,得到初步最优解,再以该解为初始位置重新构建参数搜索区间,设置小步长的网格搜索法对参数进行精细搜寻,得到最优参数,并将该最优参数代入SVM模型进行训练,得到改进SVM模型;最后根据改进的SVM模型对微震数据进行分类识别,定义微震波第 1个采样点对应的时刻为初至波到时.采用某矿井下微震监测数据进行实验,结果表明:该方法对微震初至波到时的拾取准确率达 96.5%,平均拾取误差为 3.8 ms,在低信噪比情况下仍可对微震初至波到时进行准确拾取,拾取精度高于自动拾取方法中常用的长短时窗能量比(STA/LTA)法.
微震监测、微震初至波、初至波到时、支持向量机、网格搜索法、粒子群优化算法
49
TD324(矿山压力与支护)
济宁市重点研发计划项目;山东省自然科学基金博士基金项目;山东省自然科学基金重点项目;济南市高校20条资助项目;济南市新高校20条资助项目
2023-04-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
63-69