[发明专利]基于类最优高斯核多分类支持向量机的微震信号识别方法

权利要求书

1.一种基于类最优高斯核多分类支持向量机的微震信号识别方法，其特征是：微震信号识别方法，能够快速准确地预警冲击地压灾害；首先，对微震数据进行数据格式转换，并且对每个数据样本按照信道进行划分；其次，对每个信道的数据利用求取均值和方差的方式进行特征提取，并将同一样本所有信道提取的均值和方差特征组合成为一个数组，构成初步的特征向量；利用类最优高斯核多分类支持向量机对合成后的数据进行特征选择，生成降维后的非平衡训练样本集；再次，根据训练样本的非平衡率，确定欠采样倍率，对大类样本进行欠采样；最后，采用多分类支持向量机构建降维后的微震信号分类器；

采用微震信号识别方法，包括以下步骤：

步骤1)通过SOS微震监测系统采集微震数据并进行数据预处理，按照时间窗大小，划分微震监测数据集；

步骤2)根据步骤1时间窗大小划分微震监测数据集，得到时间窗内各个微震检波测量探头所采集的微震信号，每个探头采集到的信号划分为一个信道，对每个信道采集到的信号求取均值和方差，作为该信道的特征，并对同一样本的所有信道特征按照顺序进行合并构成样本特征，构建特征提取后的非平衡训练样本集；

步骤3)根据训练样本集的非平衡率，对大类样本进行欠采样，构建平衡训练样本集；

步骤4)根据步骤3获得的平衡训练样本集，基于类最优高斯核多分类支持向量机的权重向量对特征进行评分，然后利用快速迭代特征消除算法选择重要特征以及重筛选特征，构成降维后的训练样本集；

步骤5)利用多分类支持向量机，构建降维后的微震信号分类学习器；

步骤6)基于MATLAB软件平台，验证所提基于类最优高斯核多分类支持向量机的微震信号识别方法的有效性和合理性；

所述步骤2中，信道特征合成为样本特征的方法：

步骤21)记为第k组采样数据中第n个微震检波测量探头在第t个采样时刻获得的微震信号，其中，n＝1,2,…,N，t＝1,2,…,T，k＝1,2,…,K，N为微震检波测量探头个数，K为采样数据集规模；根据每组采样数据中所有非零的有效微震信号所对应的微震检波测量探头与微震震源之间的空间距离d(o_n,z)＝||o_n-z||₂，计算该组微震监测信号的能量值e^k，记为：

e^k＝λ(r^k)^q

其中，q和λ为预先设定的常数，o_n和z分别为微震检波测量探头的空间位置和微震震源的空间位置，则：

其中，r^k表示第k组采样数据中所有非零的有效微震信号所对应的微震检波测量探头与微震震源之间的最大空间距离；

步骤22)以10⁴J为能量分界点，满足e^k≤10⁴J的微震信号，标记为弱微震信号，即y^k＝1；满足e^k10⁴J的微震信号，标记为强微震信号，即y^k＝2；

步骤23)针对第k组采样数据，计算每个微震检波测量探头在时间窗内所采集微震信号的均值和方差分别为：

步骤24)针对第k组采样数据，根据所求均值和方差构建新的采样数据特征：

其中，m＝2N，为第k组采样数据的特征数；特征提取后的大类样本集S₁＝{(x_i,y_i)|x_i＝sⁱ,y_i＝1}，i＝1,2…,M₁，为样本集中第i个样本，M₁为大类样本数据集规模；小类样本S₂＝{(x_i,y_i)|x_i＝sⁱ,y_i＝2}；i＝1,2…,M₂，为样本集中第i个样本，M₂为小类样本数据集规模；x_i为第i组样本的特征，y_i为第i组样本的标签；S₁和S₂分别为弱微震信号和强微震信号数据集；s为微震信号数据，i为微震信号样本的索引。