机器学习实现崩塌落石微震信号自动化检测和分类

来源：大地测量与地球动力学杂志2025年第6期北京时间：

作者：谢斌, 高桂山, 黄志勇, 冯亮

单位：1 赣州地震监测中心站, 江西省赣州市贺兰山路55号, 341000,2 广东省大宝山矿业有限公司, 广东省韶关市沙溪镇, 512128,3 中国科学院、水利部成都山地灾害与环境研究所, 成都市群贤南街189号, 610041,4 中国科学院大学, 北京市玉泉路19号, 100049,5 江西理工大学资源与环境工程学院, 江西省赣州市客家大道156号, 341000

摘要：基于意大利中部佩鲁贾市某大理石矿山微震监测数据和49个微震特征参数，对比分析神经网络、决策树和随机森林3种机器学习模型在微震信号自动化分类中的精度，通过网格搜索算法优化模型参数提高模型性能，讨论特征参数的选择和分类集的大小对分类结果的影响。结果表明，随机森林分类器在微震信号分类中获得的准确度最高，优化后分类准确度为98.11%，同时减少部分权重小的特征参数，分类计算效率大幅提高，准确度下降较少，训练集与测试集的最佳分配比例为8 ∶2。

关键词：崩塌落石,微震监测,机器学习,监测预警

基金资助：中国地震局“三结合”课题(3JH-202401050),国家自然科学基金(4210071309),江西省地震局“2111”孵化基金(FD2111-202404),江西省自然科学基金(20224BAB203040)