[发明专利]一种基于波形图像的微震与爆破事件识别方法

摘要

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。

主权项

1.一种基于波形图像的微震与爆破事件识别方法，其特征在于，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，ts表示事件的最优波形时间长度；其中，ts表示事件的最优波形时间长度；对波形时间长度在波形图样本数据库中出现的次数由大到小排列后，ti表示在波形图像样本数据库中，排在第i位的波形时间长度；η(t1)、η(t2)、η(t3)及η(tn)分别是指在波形图像样本数据库中，在第1、2、3及n位的波形时间长度的占比；n表示使得公式η(t1)+η(t2)+η(t3)+…+η(tn)≥80％成立的最小整数；步骤3：基于最优波形时间长度，对波形图像样本数据库中波形图像的进行整形处理；步骤4：分别提取经过整形处理后的所有微震事件样本波形图像和爆破事件样本波形图像的图像特征；步骤5：构建微震与爆破事件分类模型；将所有事件样本的图像特征作为输入数据，对应的事件类别标签作为输出数据，对基于机器学习的LIBSVM模型进行训练，获得微震与爆破事件分类模型；步骤6：提取待识别事件的波形图像特征，利用构建好的微震与爆破事件分类模型，进行事件类型识别；其中，待识别事件的波形图像特征的提取过程为先从全波形图像中提取波形图像，然后对波形图像进行像素点灰度值的图像特征提取。