基于EMD_SVD的矿山微震与爆破信号特征提取及分类方法

• 作者: 尚雪义 彭康 李夕兵 王泽伟 董陇军
• 来源期刊: 岩土工程学报
• 学科: 工学
• 关键词: 微震与爆破 分类识别 特征提取 经验模态分解 奇异值分解 支持向量机
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 论文
• 页码范围: 1849-1858
• 页数: 10页
• 分类号: TU43|TD76
• 语种: 中文
• DOI: 10.11779/CJGE201610014

摘要

针对矿山微震与爆破信号难以识别的问题，提出了基于经验模态分解（EMD）和奇异值分解（SVD）的矿山信号特征提取及分类方法。首先对微震与爆破信号进行EMD分解，再借助相关系数和方差贡献率筛选得到主要本征模态分量为IMF1～IMF6，进而利用SVD计算主要本征模态分量构成矩阵的奇异值si (i=1,2,L,6)，最后应用支持向量机（SVM）对用沙坝矿微震与爆破信号进行分类。结果表明：微震与爆破信号的奇异值s1，s2和s3差异较大，且s1=7.5作为识别分界值时准确率达到了88.25%；SVM法识别效果优于BP神经网络法、Bayes法和单一奇异值分界值法，且SVM法准确率达到了93.0%。由此，该方法可为矿山微震与爆破信号特征提取和分类提供一种新方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李夕兵	中南大学资源与安全工程学院	486	10936	53.0	77.0
2	董陇军	中南大学资源与安全工程学院	82	1437	20.0	35.0
3	王泽伟	中南大学资源与安全工程学院	11	54	4.0	7.0
4	彭康	重庆大学煤矿灾害动力学与控制国家重点实验室	16	46	4.0	6.0
5	尚雪义	中南大学资源与安全工程学院	11	67	5.0	8.0