首页|基于波形特征和决策树分类算法的岩体破裂信号识别

基于波形特征和决策树分类算法的岩体破裂信号识别

扫码查看
原文链接
  • 万方数据
  • 维普
微震监测技术能够捕捉开采扰动下岩体响应信息,已被广泛应用于岩体稳定性分析与矿山安全生产管理.受矿山现场频繁生产活动的影响,微震监测系统能够捕捉到不同类型信号,导致噪音信号较多,无法及时有效地揭示开采扰动下岩体响应规律.本文依托阿舍勒铜矿微震监测,分析了微震系统采集典型信号波形参数特征的差异,提出了基于决策树分类算法的岩体破裂信号识别方法,并对其识别精度进行了对比分析.研究结果表明,电气噪音信号、爆破信号、机械振动信号、岩石破裂信号的持续时间、上升时间、振铃数、上升振铃数、最大振幅、主频等参数分布范围存在不同程度的重合,无法采用单一参数有效识别岩体破裂信号,消除噪音信号的影响.采用决策树分类算法构建岩体破裂信号识别模型,能够有效消除噪音信号的影响,识别准确率达97.8％,显著高于支持向量机(SVM)模型73.9％ 的准确率.研究成果对于快速圈定、预警岩体破坏高风险区域具有重要意义.
Recognition of mining rock fracture signal based on waveform feature and decision tree classification algorithm

龙翼、王培武、皇甫风成、陈天晓、徐世达

展开 >

紫金矿业集团股份有限公司,福建龙岩364000

东北大学深部金属矿山安全开采教育部重点实验室,辽宁沈阳110819

微震监测 波形特征 岩体破裂 决策树分类 信号识别

2022YFC29038056227605851974059N2217003

2022

10.12075/j.issn.1004-4051.2022.11.024

中国矿业
中国矿业联合会

中国矿业

CSTPCD
影响因子：0.875
ISSN：1004-4051
年,卷(期)：2022.31(11)
  • 1
  • 1