[发明专利]一种基于改进K-means的微震信号聚类方法及装置

权利要求书

1.一种基于改进 K-means 的微震信号聚类方法，其特征在于，包括以下步骤：

S0、对微震信号进行人工标注，人工标注方式包括更改文件名格式；

S1、将微震信号传入到 K-means 控制机中，生成样本数据和初始聚类中心；

由 K-means 控制机预先随机生成参数，所述参数包括聚类个数 m 和传入的 微震信号序列 X₁-X_n；

S2、计算样本数据与初始聚类中心之间的 DTW 距离；

S21、通过 DTW 向量器对 K-means 控制机的所有微震信号序列 X₁-X_n 进行向量化；

S22、根据聚类个数确定初始聚类中心，并将初始聚类中心进行向量化；

S23、K-means 控制机将每一个样本微震信号 X_i 向量与初始聚类中心T_i 向量传给DTW 剥离器；所述 DTW 剥离器将所述 X_i 向量和 T_i 向量构成一个距离矩阵 Y_ij，

其中，距离矩阵 Y_ij 中每一个元素的欧式距离 d 的计算公式如下： d =(X_i,i-T_i,j )²

式中，X_ii 为 X_i 向量的第 i 个点；T_ij 为 T_i 向量的第 j 个点；

S3、比较 DTW 距离大小，标注标签后进行第一次聚类，将第一次聚类得到的结果传给DBA 更新器中，得到新的聚类中心；

S31、DTW 剥离器将距离矩阵 Y_ij 传给 DTW 距离计算器, DTW 距离计算器在满足最佳匹配路径的前提下，计算累积距离 Y(i,j)，所述累积距离 Y(i,j)的计算公式如下：

Y(i, j) = d(X_ii , T_ij ) + min{Y(i 一1, j 一1),Y(i 一1, j), Y(i, j 一1)}

所述最佳匹配路径包括：

a、从距离矩阵 Y_ij 的起始点 Y(1,1)匹配到终止点 Y(n,m)；

b、距离矩阵 Y_ij 中匹配后的前后两点一定是相邻关系；

c、在匹配过程中，假如点 Y(i,j)匹配下一个点，则下一个匹配点为 Y(i+1,j)、Y(i,j+1)或 Y(i+1,j+1)中的一个，所述下一个匹配点选择方法为： 分别计算 Y(i+1,j)、Y(i,j+1)、Y(i+1,j+1)与 Y(i,j)之间的欧氏距离 d，选择欧氏距离 d 最小的那个点；

S32、K-means 控制机得到所有样本微震信号与聚类中心之间的欧氏距离 d；按照距离大小进行排序得到第一次聚类效果；

S33、K-means 控制机将聚类后的第 i 类标签数据 X_i (x_i1 ,x_i2 ,x_i3 ,x_i4 ,…,x_im),并令其中一个序列 X_im 作为平均序列传输给 DBA 更新器；

S34、通过与 X_im 比较，使其他标签数据更新为新的序列，并将新的序列求平均作为新的聚类中心，再在 DBA 更新器中循环上述操作，得到一个相对稳定的新的聚类中心T_i ，并将新的聚类中心 T_i 返回给 K-means 控制机；

S4、比较初始聚类中心与更新后的聚类中心是否相等，K-means 控制机将每 一次 DBA更新器所得到的聚类中心都传递给聚类生成器进行存储；聚类生成器得到下一个聚类中心T_i 与上一个聚类中心 T_i-1 比较,判断两个聚类中心是否完全一致；若是，则执行步骤 S5，若否，则执行步骤 S6；

S5、输出聚类结果；

S6、返回步骤 S3-S4，进行下一次聚类。

2.一种采用如权利要求 1所述的基于改进 K-means 的微震信号聚类方法的装置，其特征在于，包括：K-means 控制机、DTW 向量器、DTW 剥离器、 DTW 距离计算器、DBA 更新器和聚类生成器，所述 K-means 控制机分别与所述 DTW 向量器、DTW 剥离器、DTW 距离计算器、DBA 更新器和聚类生成器相连接；其中，

DTW 向量器，用于将从 K-means 控制机中输入的样本数据与聚类中心序列转换成向量化；

DTW 剥离器，用于将每一个样本微震信号 X_i 向量与初始聚类中心 T_i 向量传构成一个距离矩阵 Y_ij；

DTW 距离计算器，用于在满足最佳匹配路径的前提下，计算距离矩阵 Y_ij 的累积距离Y(i,j)；

DBA 更新器，用于根据聚类得到的结果更新新的聚类中心；

聚类生成器，用于输出聚类结果;

K-means 控制机，分别与所述 DTW 向量器、DTW 剥离器、DTW 距离计算器、DBA 更新器和聚类生成器电连接。