[發明專利]基于深度學習的微震信號分類方法、裝置及存儲介質

有效

• 申請號: 201910601781.2
• 申請日: 2019-07-05
• 公開（公告）號: CN110308485B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 彭平安;王李管;張建國;何正祥;蔣元建
• 申請（專利權）人: 中南大學;長沙施瑪特邁科技有限公司
• 主分類號: G01V1/28
• 分類號: G01V1/28;G01V1/30
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 崔自京

本發明公開了一種基于深度學習的微震信號分類方法、裝置及存儲介質，該分類方法包括：獲取微震信號；對所述微震信號進行特征提取，得到用于表征所述微震信號的表達特征，其中，所述表達特征為基于分幀和各分幀對應的時域及頻域特征確定的二維特征矩陣；基于所述表達特征和用于分類的分類模型進行分類識別，確定所述微震信號對應的分類結果；其中，所述分類模型為基于訓練集數據進行深度學習訓練確定的模型。其可以實現對微震傳感器監測的微震信號按照預設的分類模型進行自動準確分類，利于提升地壓災害監測的智能化水平。

技術領域

本發明涉及微震監測技術領域，具體涉及一種基于深度學習的微震信號分類方法、裝置及存儲介質。

背景技術

微震監測傳感器屬于振動傳感器，任何能夠產生一定振幅的震源均會被監測系統采集。因此，除巖體破裂事件外，礦山生產過程中的掘進爆破、采場爆破、溜井放礦、鑿巖過程以及人為活動干擾等震動源信號均被系統完整記錄下來。在分析處理微震監測數據時，第一要務是明確震源類型，否則錯誤地判定震源類型將可能導致截然不同的處理結果以及由此得出的地壓災害結論。例如，部分溜井放礦事件與巖體破裂事件較為相似，如將此部分溜井放礦事件當作巖體破裂事件，則可能導致事故誤報。由此可見，準確地判定事件的震源類型是后續數據分析的前提。

然而，對監測信號進行準確分類是一項極其困難且耗時的工作。目前，對監測信號進行分類由數據處理人員完成，通過對每條信號進行肉眼檢查，加之經驗判斷，得出信號類型。此項工作一方面費時費力，另一方面由于數據處理人員經驗差異，因而具有較強的主觀性。因此，突破微震監測信號自動分類核心技術，是實現智能化地壓災害監測的重要的一環。

發明內容

有鑒于此，本發明實施例提供了一種基于深度學習的微震信號分類方法、裝置及存儲介質，旨在實現微震信號的自動分類。

本發明實施例的技術方案是這樣實現的：

第一方面，本發明實施例提供一種基于深度學習的微震信號分類方法，該方法包括：

獲取微震信號；

對所述微震信號進行特征提取，得到用于表征所述微震信號的表達特征，其中，所述表達特征為基于分幀和各分幀對應的時域及頻域特征確定的二維特征矩陣；

基于所述表達特征和用于分類的分類模型進行分類識別，確定所述微震信號對應的分類結果；其中，所述分類模型為基于訓練集數據進行深度學習訓練確定的模型。

第二方面，本發明實施例提供一種基于深度學習的微震信號分類裝置，該裝置包括：

獲取模塊，用于獲取微震信號；

特征提取模塊，用于對所述微震信號進行特征提取，得到用于表征所述微震信號的表達特征，其中，所述表達特征為基于分幀和各分幀對應的時域及頻域特征確定的二維特征矩陣；

分類識別模塊，用于基于所述表達特征和用于分類的分類模型進行分類識別，確定所述微震信號對應的分類結果；其中，所述分類模型為基于訓練集數據進行深度學習訓練確定的模型。

第三方面，本發明實施例提供一種基于深度學習的微震信號分類設備，該設備包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述存儲器中存儲的計算機程序時，實現本發明實施例的基于深度學習的微震信號分類方法。

第四方面，本發明實施例一種存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時，實現本發明實施例的基于深度學習的微震信號分類方法。