[发明专利]一种基于波形图像的微震与爆破事件识别方法

说明书

本发明公开了一种基于波形图像的微震与爆破事件识别方法，包括以下步骤：步骤1：建立微震与爆破事件的波形图像数据库：步骤2：各类事件图像特征获取：利用主成分分析法(PCA)对M组微震事件和N组爆破事件提取原始波形图像特征，然后降低数据维度并消除不同特征之间的相关性，同时定量保留原始波形图像特征中包含的最有用的特征信息；步骤3：分类模型建立：利用机器学习算法LIBSVM训练所获取的降维后的波形图像特征，并建立微震与爆破事件的分类模型；步骤4：对待识别事件进行识别：输入待识别事件的波形图像特征，根据已建立的微震与爆破事件分类模型对待识别事件进行分类。本发明具有适用广泛、准确快速、客观性强等特点。

技术领域

本发明属于微震监测领域，特别涉及一种基于波形图像的微震与爆破事件识别方法。

背景技术

微震监测作为一种有效的地压监测手段在国内外得到了广泛应用，而微震与爆破事件的区分识别是数据处理过程中的关键问题，因此对微震与爆破事件识别方法的研究具有重要意义。然而，对于正常工作的微震监测系统而言，每天监测到的微震与爆破事件数量极多，不同事件之间具有相似性，依靠传统人工识别的区分方法易受操作人员专业知识和经验的影响，不仅识别数量有限，而且有可能造成识别结果不统一从而带来严重后果，降低了微震监测实时分析的效果。

目前针对微震与爆破事件识别的方法主要可分为：波形频谱分析法、多参数统计法和机器学习法，其中多参数统计法包括高斯极大似然法、fisher分类法、Logistic回归法等。机器学习神经网络法、支持向量机法、随机森林法等。这些方法通常包括特征提取和特征识别两个过程，常用的特征提取于两个方面：一是震源参数，二是波形参数。常用的震源参数数量较多，且通过不同函数的拟合或转换可衍生出更多的震源参数，通过统计分析选择具有较好识别能力的震源参数极其费时费力。同时，不同具有较好识别能力的震源参数之间的组合也需多次试验与验证，且很可能受到经验以及主观判断的影响。对于波形参数而言，通常仅仅考虑了前段波形，而忽略了全波形对微震与爆破事件识别起到的积极效果。另外，通常所选用的波形参数的重要性没有到建立分类模型的过程中，不同参数之间的相关性没有消除，影响了分类效果。

可见现有的微震事件与爆破事件识别方法存在较大的局限，需要研究一种适用性强、准确率高的自动识别方法。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足，提供一种基于波形图像的微震与爆破事件识别方法，该微震与爆破事件识别方法适用广泛、准确快速。

一种基于波形图像的微震与爆破事件识别方法，包括以下步骤：

步骤1：构建微震与爆破事件的波形图像样本数据库；

利用已知的微震事件与爆破事件的全波形数据生成对应的波形图像，随机选取M组微震事件和N组爆破事件的波形图像作为波形图像样本数据库，并统计波形图像样本数据库中各个波形图像的波形时间长度在整个波形样本数据库中出现的次数和占比，其中，M和N均为整数，M＝N，且M、N≥100；

以波形时间长度在整个波形样本数据库中出现的次数和(M+N)的比值作为对应波形时间长度的占比；

步骤2：依据以下条件构建波形图像样本数据库中微震与爆破事件的最优波形时间长度模型，t_s表示事件的最优波形时间长度；

η(t₁)+η(t₂)+η(t₃)+…+η(t_n)≥80％