[发明专利]一种基于改进K-means的微震信号聚类方法及装置

说明书

本发明公开了一种基于改进K‑means的微震信号聚类方法及装置，所述方法包括以下步骤：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；S2、计算样本数据与初始聚类中心之间的DTW距离；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；S4、比较初始聚类中心与更新后的聚类中心是否相等，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。本发明更适用于微震信号聚类分析，最大程度保留了波形的特征，其处理效率高、可靠性好。

技术领域

本发明涉及数据挖掘技术领域，尤其涉及一种基于改进K-means的微震信号聚类方法及装置。

背景技术

煤矿生产过程中通常存在顶底板断裂、卸压与掘进爆破，均使得岩体受到外力的影响并释放能量而产生持续一段时间的震动。通常对于振动频率小于100Hz，事件能量在103～1011J的震动波称为微震。在煤岩变形破裂的过程中所产生的微震信号具有时间短、突变快的特性。矿井爆破和机械振动等外界环境因素的干扰噪声也会在一定程度上影响到微震信号的波形形态，导致信号失真。综上，微震信号的传播过程中会受到很多因素的干扰，故需要对其进行深入研究。

随着开采深度的增加和采空区面积的扩大，矿山微震的发生越来越频繁。微震监测系统在矿山领域中得到了广泛应用，主要包括室内柜式微震监测系统、野外悬挂式微震实时监测系统以及地表浅埋式WiFi微震实时监测定位系统。微震监测系统连续不断地产生大量的微震信号，常常也伴随着各种各样的噪声信号。由于微震事件受干扰较多，呈现不同类型，无论是对于微震事件的处理还是对事故发生后复工复产的方案制定都需要对微震事件的类型进行判识。目前国内外研究学者对微震信号的研究已经逐渐深入，通过微震信号的非线性非平稳的特征，小波分析和经验模态分解方法在对微震信号的特征提取研究方面有了很大的进展，微震波到时可以通过滑动平均值法、STA\LTA方法、分形方法等方法实现。所提出的这种聚类装置能够实现对微震信号的有效聚类。微震信号聚类分析借助聚类算法的理论支撑，不仅可以发现微震事件的潜在特征还能够有效地降低人工划分的主观性，能够发现微震事件的活动规律和分布特征。由于微震信号是一种非平稳非线性信号，发现其潜在分布特征相对较难，传统的K-means算法仅能够针对数据点集进行分析聚类，因此所提出的装置中将处理时间序列数据的DTW(Dynamic Time Warping，动态时间归整算法)距离与K-means相结合来对微震事件聚类。综上所述，从大量的微震信号中挖掘有用的信息，对微震事件做出预测性的判断已经成为研究的热点与难点。

发明内容

本发明主要是解决现有技术中所存在的技术问题，从而提供一种适用于微震信号聚类分析、处理效率高、可靠性好的基于改进K-means的微震信号聚类方法及装置。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

本发明提供的基于改进K-means的微震信号聚类方法，其包括以下步骤：

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；

S2、计算样本数据与初始聚类中心之间的DTW距离；

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；

S4、比较初始聚类中心与更新后的聚类中心是否相等，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。

进一步地，所述步骤S1之前包括步骤：

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。