[发明专利]一种基于深度学习的微震信号分类辨识方法有效
| 申请号： | 201910348744.5 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110133714B | 公开（公告）日： | 2020-11-10 |
| 发明（设计）人： | 张杏莉;赵震华;卢新明;贾瑞生 | 申请（专利权）人： | 山东科技大学 |
| 主分类号： | G01V1/28 | 分类号： | G01V1/28;G01V1/30 |
| 代理公司： | 济南知来知识产权代理事务所(普通合伙) 37276 | 代理人： | 崔静 |
| 地址： | 266590 山东省青岛*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的微震信号分类辨识方法，属于信号分析及识别领域。本发明方法包括以下步骤：步骤1、建立微震信号与爆破信号的样本数据库；步骤2、提取样本信号的主频、峰后衰减系数和能量重心系数特征，构成样本特征数据训练集和测试集；步骤3、使用样本特征数据训练集训练深度神经网络分类辨识模型，利用测试集数据验证信号分类辨识模型的分类辨识效果，并通过交叉训练不断提升分类精度；步骤4、提取待辨识信号的特征向量，输入信号分类模型中，得到辨识结果。本发明方法具有算法简单、自适应性和实时性强、辨识准确率高的特点，能对煤矿微震信号和爆破信号进行有效的分类，具有很好的技术价值和应用前景。 | ||
| 搜索关键词： | 一种 基于 深度 学习 信号 分类 辨识 方法 | ||
【主权项】：
1.一种基于深度学习的微震信号分类辨识方法，其特征在于，依次包括如下步骤：步骤1：分别选取M个煤岩破裂微震信号和N个爆破震动信号构成两类震动信号的样本数据集；步骤2：提取M个煤岩破裂微震信号和N个爆破震动信号的主频Fm、峰后衰减系数b、能量重心系数Cx构成样本特征数据训练集和测试集；步骤3：基于四层深度神经网络构建煤岩破裂微震信号与爆破震动信号的分类辨识模型，用训练集数据训练该信号分类模型，利用测试集数据验证信号分类模型的分类辨识效果，通过交叉训练不断提升分类精度；步骤4：提取待辨识信号的特征向量，输入所述的分类辨识模型中，得到辨识结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东科技大学，未经山东科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910348744.5/，转载请声明来源钻瓜专利网。
