基于EMDSVD的矿山微震与爆破信号特征提取及分类方法

作者：尚雪义; 李夕兵; 彭康; 董陇军; 王泽伟

来源：岩土工程学报, 2016, 38(10): 1849-1858.

• 微震与爆破
• 分类识别
• 特征提取
• 经验模态分解
• 奇异值分解
• 支持向量机

针对矿山微震与爆破信号难以识别的问题,提出了基于经验模态分解(EMD)和奇异值分解(SVD)的矿山信号特征提取及分类方法。首先对微震与爆破信号进行EMD分解,再借助相关系数和方差贡献率筛选得到主要本征模态分量为IMF1IMF6,进而利用SVD计算主要本征模态分量构成矩阵的奇异值σi(i=1,2,...,6),最后应用支持向量机(SVM)对用沙坝矿微震与爆破信号进行分类。结果表明:微震与爆破信号的奇异值σ1,σ2和σ3差异较大,且σ1(28)7.5作为识别分界值时准确率达到了88.25%;SVM法识别效果优于BP神经网络法、Bayes法和单一奇异值分界值法,且SVM法准确率达到了93.0%。由此,该方法可为矿山微震与爆破信号特征提取和分类提供一种新方法。

• 单位
  煤矿灾害动力学与控制国家重点实验室; 重庆大学