一种冲击地压多参量前兆信息辨识模型及方法.pdf

《一种冲击地压多参量前兆信息辨识模型及方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第33卷第8期岩石力学与工程学报V01．33No．82014年8月ChineseJournalofRockMechanicsandEngineeringAug．，2014一种冲击地压多参量前兆信息辨识模型及方法贾瑞生，孙红梅，樊建聪，吴春芳，邱涛(1．山东科技大学信息科学与工程学院，山东青岛2665902．山东科技大学矿山灾害预防控制一省部共建国家重点实验室培育基地，山东青岛266590)摘要：针对冲击地压预警困难这一难题，基于地音监测提出一种新的前兆信息辨识模型及方法。在固定大小的时间窗口内对地音监测信号进行时频域特征提取，得到11个表征冲击地压灾害前兆的多维特征向量，以实际地音

2、监测数据为训练样本，基于SVM理论建立冲击地压多参量前兆信息辨识模型；提出一种新的SVM学习方法，用于解决工程实际应用中的大规模不平衡数据集训练问题，提高SVM分类准确率及速度。利用地音实测数据作为学习样本对支持向量机进行训练，建立相应的前兆辨识模型进行辨识，准确率达到93．87％。实验分析表明，这种方法有效可靠，样本辨识速度快，能够满足在线监测要求，具有工程应用前景。关键词：采矿工程；地音监测；冲击地压；前兆信息；灾害辨识；支持向量机中圈分类号：TD32文献标识码：A文章编号；1000—6915(2014)08—1513—07MULTIPARAMETERPRECURSoRINFo

3、RMATIoNIDENTIFICATIoNMoDELANDMETHoDFoRRoCKBURSTJIARuisheng～，SUNHongmei，FANJiancong，WUChunfang，QIUTao(1．CollegeofinformationScienceandEngineering，ShandongUniversityofScienceandTechnology，Qingdao，Shandong266590，China．,2．StateKeyLaboratoryBreedingBasefoMiningDisasterPreventionandControl，ShandongU

4、niversityofScienceandTechnology，Qingdao，Shandong266590，China)Abstract：Anewmodelandmethodofidentificationprecursorinformationwaspresentedbasedonthemonitoringofgroundsoundtoprovideanearlywarningofrockburst．Usingtheactualmonitoreddataofgroundsoundasthetrainingsamples，elevenmultidimensionalfeature

5、vectorscharacterizingtherockbursthazardprecursorswereobtainedfromthegroundsoundsignalsinafixedtimewindowbythemethodoftime—frequencydomainfeatureextraction．Anewsupportvectormachine(SVM)learningmethodwasappliedtosolvethetrainingproblemswithimbalanceddatasetsintheapplicationoflarge-scaleengineeri

6、ngpracticeandtoimprovetheclassificationaccuracyandthetrainingspeedofSVM．AdoptingthemeasureddataasthelearningsamplesonSVMsfortrainingandestablishingtheappropriateprecursoridentificationmodel，theaccuracyreached93．87％．ExperimentsshowthatthismethodiSeffectiveandreliable，andwhichiscapableoffastsamp

7、leidentificationmeetingtheonlinemonitoringrequirements．Keywords：miningengineering；groundsoundmonitoring；rockburst；precursorinformation；hazardidentification；supportvectormachine(SVM)些信息蕴含在灾害发生前相当长一段时期内，且很1引言多外部因素(如开采或掘进速度、进度以及复杂的地质构造等)可能