基于EEMD和关联维数的矿山微震信号特征提取和分类

来源：黄金科学技术杂志2020年第4期北京时间：

作者：廖智勤, 王李管, 何正祥

单位： 中南大学资源与安全工程学院，湖南 长沙 410083, 中南大学数字矿山研究中心，湖南 长沙 410083

摘要：针对岩体工程中岩体破裂信号与爆破振动信号难以自动区分的问题，提出了一种基于集合经验模态分解（EEMD）关联维数与机器学习相结合的微震信号特征提取和分类方法。利用EEMD将微震信号分解为本征模态函数（IMF）分量，并从得到的IMF分量中筛选出主分量IMF1~IMF4，再通过相空间重构计算出各个主分量的关联维数，最后将所得到的关联维数作为特征向量，使用SVM方法进行微震信号自动识别，并与其他机器学习方法进行对比分析。试验结果表明：该方法对微震信号的自动识别具有较高的准确率，且基于高斯核函数的SVM的识别效果明显优于逻辑回归（LR）和K-近邻算法（KNN）判别法的识别结果，其准确率达到93.7%。

关键词：微震信号,集合经验模态分解（EEMD）,相空间重构,关联维数,机器学习

基金资助：国家重点研发计划项目“深部金属矿集约化连续采矿理论与技术”(2017YFC0602905)