[发明专利]一种考虑监测数据时空特性的微震事件危险性分类方法

权利要求书

1.一种考虑监测数据时空特性的微震事件危险性分类方法，其特征在于，包括如下步骤：

S1，建立微震事件危险性分类特征指标

以本次微震事件的能量、本次微震事件发生前的连续n次微震事件的时间密集度、本次微震事件发生前的连续n次微震事件的空间密集度作为微震事件危险性分类特征指标；其中时间密集度采用连续n次微震事件的两两之间时间间隔的均值表示，空间密集度采用连续n次微震事件的分别发生地点与这n次微震事件发生地点中心之间距离的方差表示；

S2，建立数据集并进行样本不平衡性处理

在连续M次微震监测事件中，以第m次至第m+n次微震事件的监测数据作为数据集中一个样本的数据源，1≤m≤M-n，最多建立M-n个样本，每个样本包括特征数据和标签数据，所述特征数据包括第m次至第m+n-1次微震事件的时间密集度、第m次至第m+n-1次微震事件的空间密集度和第m+n次微震事件的能量值；所述标签数据为第m+n次微震事件的危险类别，分为危险事件和不危险事件，对标签数据进行One-Hot编码处理；

样本不平衡性处理，在采样过程中对数据集中样本标签为危险事件的特征数据加入轻微扰动后复制，以使不同标签的样本数量平衡；

S3，建立微震事件危险性分类模型

基于一维卷积神经网络建立一个三层的分类模型，每一层由卷积层、批正则化和激活层构成，以Relu函数为激活函数，分类模型的最后设置两层全连接层用于分类，最后使用Softmax函数进行分类标签的输出；

S4，评价微震事件危险性分类模型的性能

采用混淆矩阵或建立含混合标签样本和单独含危险事件标签样本两个测试集来评价微震事件危险性分类模型的性能；

S5，微震事件危险性分类应用

以本次微震事件的能量、本次微震事件发生前的连续n次微震事件的时间密集度、本次微震事件发生前的连续n次微震事件的空间密集度作为输入数据，代入微震事件危险性分类模型，输出标签数据，即可确定本次微震事件的类别是危险事件或不危险事件。

2.根据权利要求1所述的微震事件危险性分类方法，其特征在于，步骤S2中，One-Hot编码处理后危险事件对应标签为1，不危险事件对应标签为0。

3.根据权利要求1或2所述的微震事件危险性分类方法，其特征在于，步骤S2中，轻微扰动的方法为加上随机数。

4.根据权利要求1所述的微震事件危险性分类方法，其特征在于，步骤S3中，卷积层的作用是信息融合和提取，三个卷积层的卷积核个数分别为6、12和12，卷积核大小均为1×1，两层全连接层的神经元个数分别为4和2。

5.根据权利要求1或4所述的微震事件危险性分类方法，其特征在于，步骤S3中，训练过程中选择Adam优化器来反向传播梯度信息从而更新网络的参数，使用MSELoss损失函数来表示模型计算结果与实际数据之间的差距程度。