[发明专利]一种基于数据挖掘的微震信号的识别方法

说明书

本发明公开了一种基于数据挖掘的微震信号识别的识别方法，首先采用时空异常检测分离出噪声信号和微震信号，然后采用数据挖掘提取微震信号的特征信息，最后采用时空预测与分类模型对微震信号做出识别；采用时空异常检测分离出噪声信号和微震信号，运算简单，快速；采用数据挖掘提取微震信号的特征信息，由于采集的数据只是时间序列，通过数据挖掘找出序列隐含的信息，为分类预测提供更多的信息，使分类正确率大大提高；本算法经时空异常检测分离信号，大大减少计算工作量，大大提高算法的实时性。

技术领域

本发明涉及微震信号处理技术领域，具体是一种基于数据挖掘的微震信号的识别方法。

背景技术

今年来，随着智能化的时代发展，越来越多的电子设备应用到工程应用中。微震监测依靠它有效的地压监测手段越来越广泛的被应用到煤矿安全和高效生产的领域中。其全天24h处于工作状态，单轴加速传感器普通采样频率为1000Hz，为了增强采集数据的可靠性，通常通过增加通道数来保障采集数据的可靠性，现在常见的是采用三轴加速传感器采集微震数据，也就是每秒采集3000个数据。而我们知道，及时准确微震预警的时间是关乎旷工安全的核心问题，因此如何从海量的数据快速的筛选出有效信息，并准确做出微震信号识别是我们要解决的关键问题。

发明内容

本发明的目的在于克服现有技术的不足，而提供一种基于数据挖掘的微震信号的识别方法，该方法可以有效的筛选出信息，并准确的识别微震信号，对微震信号的分类正确率高。

实现本发明目的的技术方案是：

一种基于数据挖掘的微震信号识别的识别方法，具体包括如下步骤：

1)使用三轴加速传感器采集微震信号序列x(i)，x(i+1)...；

2)对步骤1)采集到的微震信号进行时空异常检测；

3)对x(i+1)进行数据挖掘提取信号特征：

4)提取微震信号x的标准差，从宏观角度反映一个数据集的波动程度，其定义式如下：

上述公式(2)中N表示序列中每个元素的长度；为x_i的均值，即

5)判断SD(i)＞a，若满足条件，则执行步骤4)；若不满足，则判断SD(i+1)；

6)提取微震信号x的协方差，用来衡量两个样本之间的相关性的大小，从微观角度反映一个数据集中元素之间的相关性，协方差计算如下：

Cov(i，i+1)＝E[x(i)x(i+1)] (2)

7)提取微震信号x的导数，导数能够直观的反映一个数据集的变换趋势；导数为1，说明序列平稳；导数为负，说明序列呈负增长，导数为正，说明序列呈正增长，基向量矩阵导数的定义如下：

d(i)＝x(i+1)-x(i) (3)

8)建立时空分类模型，对微震信号提取出来的标准差、协方差和导数进行识别，具体如下：

s.t b，c，d，e，f，j∈R

所述的b，c，d，e，f，j的取值根据环境的不同，取不同参数值；

9)由步骤8)得出识别结果，算法结束。

步骤2)中，所述的时空异常检测，是计算步骤1)采集到的信号序列x(i)和x(i+1)的欧式距离，其计算公式为：

D(i)＝dist(x(i)，x(i+1)) (4)

对x(i)和x(i+1)的相邻序列做同样操作。