基于流形学习理论的冲击地压微震前兆辨识方法

《基于流形学习理论的冲击地压微震前兆辨识方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于流形学习理论的冲击地压微震前兆辨识方法摘要：针对微震信号的非线性、复杂性等特点，提出一种基于等距特征映射（Isometricfeaturemapping）和支持向量机（Supportvectormachine）相结合的微震前兆辨识方法。利用ISOMAP把数据从高维空间投影到低维空间而不改变数据内在属性的特点，对高维的微震信号进行降维，以发现嵌入在高维数据空间中的低维流形结构，作为冲击矿压灾变的最优敏感特征，采用Gauss核函数支持向量机作为分类器进行监测预警。实验结果表明，该方法可有效实现冲

2、击地压微震前兆辨识。关键词：冲击地压；微震监测；流形学习；等距映射；支持向量机DOIDOI：10.11907/rjdk.151280中图分类号：TP391文献标识码：A文章编号：16727800（2015）006013804基金项目基金项目：科技部“十二五”国家科技支撑计划项目（2012BAK04B06）；山东省自然科学基金项目（ZR2013EEM019）10作者简介作者简介：邱涛（1990-），男，山东青岛人，山东科技大学信息科学与工程学院硕士研究生，研究方向为人工智能；贾瑞生（1972-），

3、男，山东青岛人，博士，山东科技大学信息科学与工程学院副教授，研究方向为矿山灾害监测预警理论、信息融合与智能系统；吴春芳（1987-），女，山东临沂人，山东科技大学信息科学与工程学院硕士研究生，研究方向为数据挖掘、冲击地压前兆信息辨识。0引言10随着开采范围的扩大和开采深度的增加，应力集中程度越来越高，防冲难度越来越大，预防冲击地压事故，已经成为煤矿安全生产的重中之重。目前，通过微震前兆信息辨识冲击地压主要根据经验来确定，部分矿井采用单一能量和频次的阈值法来监测冲击地压的发生，预警准确率不甚理想。

4、原因在于煤层岩体自身性质及复杂多变的力学响应特征，且对矿山动力灾害的发生机制还没有完全掌握，并且影响冲击地压发生的类型和因素多，针对采掘工作面冲击地压的微震信号都会有较大差异。目前对微震监测信息的分析处理手段还有待细化和提高，且预测预警冲击危险性识别方法亦较简单。因此，预测和识别冲击地压危险都没能很好地分析利用监测时空序列提供的丰富频谱信息[12]。对此，通过机器学习算法将微震信号中的丰富频谱特征进行提取分析，来作为辨识冲击地压前兆信息的有效手段。由于冲击地压成因复杂，微震监测信号表现为非线性、

5、非平稳特征，使得冲击矿压前兆信息特征难以提取。针对传统时频分析方法的缺点，寻找一种实时性、准确性高的前兆辨识方法称为首要目标法，主要克服算法本身自适应性差，以及传统人工神经网络方法通过反复迭代计算目标值耗时较长等劣势[34]。寻找一种准确高效的前兆辨识算法成为科研人员的研究目标。等距特征映射（Isometricfeaturemapping，ISOMA）是TENENBAUM等[5]提出来的一种流形学习方法，主要特点是通过发现高维数据空间中观测数据的低维光滑流形数据结构，将最有代表性的特征数据从高维

6、数据集合和大规模海量数据流中提取出来。现阶段，ISOMAP主要用于高维数据非线性降维[68]。支持矢量机（Supportvectormachine，SVM）以统计学习理论的VC理论和结构风险最小化理论（SRM）为理论基础，能够得到现有信息下的最优解和避免神经网络方法中的局部极值问题，并灵活地解决了维数灾难问题，使其算法复杂度与样本维数无关[1013]。本文基于微震监测信号在固定大小的滑动时间窗口内进行时频域特征提取，组成多维向量表示冲击地压前兆信息；通过流形学习进行低维特征提取，得到训练样本集；

7、基于SVM理论对这些数据集进行训练形成分类器，并应用分类器实现冲击地压前兆信息的实时在线监测预警。1等距映射算法10ISOMAP方法是Tenenbaum等[1416]根据使用最近邻图中的最短路径得到近似测地线距离，代替内在流行结构的欧式距离提出的一种非线性降维处理方法。通过对位尺度分析（MDS）进行处理，进而发现嵌入在高维空间中的低维坐标，从而实现数据降维。其主要步骤如下：3数据处理及分析微震技术作为一种有效的监测预警手段[1921]。在矿山生产中，微震发生的频率、能量等信息作为发生冲击地压的判

8、别前兆已经被越来越多的专家所认可，并且取得了丰硕的成果。微震能量以应力波的形式释放并传播，用拾震检波器接收能量较大频率较低的微地震信号。本文通过滑动拾窗从接收波形信息中提取有用的时频域特征信息，作为多参量预警冲击地压灾害前兆特征指标体系。3.1原始特征空间构建将通过滑动时间窗获得的监测数据样本，通过机器学习算法，包括小波分析、时频统计、傅里叶变换等，进行样本特征提取构建初始训练特征空间，主要作为特征选择的原始特征集。对于井下岩石破裂产生的微震事件所反映出的信号数据，需要选择物理意义明确、具有应用