基于机器学习的矿震与爆破信号分类

来源：大地测量与地球动力学杂志2025年第10期北京时间：

作者：梁潇南, 王建军, 尹欣欣

单位：1 中国地震局兰州地震研究所，兰州市东岗西路450号，730000,2 甘肃省地震局，兰州市东岗西路450号，730000

摘要：针对甘肃某矿矿震与爆破信号的分类问题，分析了支持向量机、K-means聚类、主成分分析等常用无监督分类方法在特征选择不足、分类精度较低和样本不平衡等方面存在的显著挑战。为尝试解决这些问题，本文使用一种轻量级协同学习方法(LCL-SSS)，该方法结合了MiniRocket特征提取与改进的K-means聚类，旨在提升分类的准确性与效率。通过时频分析发现，爆破事件的P波初动频率主要集中在80~200 Hz，而矿震事件的P波频率则分布在20~120 Hz。经过30次训练实验，LCL-SSS方法的分类准确率达到了95.07%，有效捕捉到矿震波形中的关键特征。

关键词：矿震,时频分析,无监督学习,地震信号分类

基金资助：中国地震局地震预测研究所基本科研业务费(2023IESLZ01),甘肃省科技计划(23YFFA0015)