基于多特征融合的岩体失稳阶段预测方法及装置制造方法及图纸

本发明专利技术实施方式提供一种基于多特征融合的岩体失稳阶段预测方法及装置，属于岩体失稳预测技术领域。方法包括：获取岩体的声发射信号；对获取到的声发射信号进行混合域特征提取；依据每个特征参数和预设的BP神经网络模型得到预测误差；建立D‑S证据理论识别框架，识别框架包括与岩体失稳各阶段一一对应的多个识别子框架；依据预测误差构建特征参数的基本概率分配函数并计算特征参数与岩体失稳各阶段的信任度值；依据得到的信任度值，通过D‑S证据理论对同一个识别子框架下的所有特征参数进行融合并基于融合后的特征参数进行岩体失稳阶段预测。本发明专利技术实现了对岩体失稳各阶段的准确预测，有效解决了单特征参数预测不准确的问题。

Prediction method and device of rock mass instability stage based on multi feature fusion

The embodiment of the invention provides a prediction method and device of rock mass instability stage based on multi feature fusion, belonging to the technical field of rock mass instability prediction. The methods include: acquiring the acoustic emission signal of rock mass; extracting the mixed domain feature of the acquired acoustic emission signal; obtaining the prediction error according to each feature parameter and the preset BP neural network model; establishing the D \u2011 s evidence theory recognition framework, which includes multiple recognition sub frameworks corresponding to each stage of rock mass instability; constructing the basic feature parameters according to the prediction error The probability distribution function is used to calculate the trust value of the characteristic parameters and each stage of rock mass instability. According to the obtained trust value, all the characteristic parameters under the same recognition sub frame are fused by D \u2011 s evidence theory and the stage of rock mass instability is predicted based on the fused characteristic parameters. The invention realizes accurate prediction of each stage of rock mass instability and effectively solves the problem of inaccurate prediction of single characteristic parameter.

【技术实现步骤摘要】
基于多特征融合的岩体失稳阶段预测方法及装置
本专利技术涉及岩体失稳预测
，具体地涉及一种基于多特征融合的岩体失稳阶段预测方法及一种基于多特征融合的岩体失稳阶段预测装置。
技术介绍
岩体作为一种非均匀的复杂地质材料，具有非线性和各向异性的力学性质，使得岩体内部状态与本身固有力学特性之间的关系变得难以描述，其受载失稳断裂过程实际上是一个由原生裂隙到微裂隙扩展，最终出现宏观断裂的连续过程。当岩体失稳时，其外部表征形式同时反映在多个特征域上，传统的预测模型一般只提取单一特征进行预测分析，单一特征无法完全描述岩体失稳内部状态，存在某一特征对岩体失稳某一阶段描述较为准确，但对另外某一阶段无法准确描述，造成预测结果准确率的降低。
技术实现思路
本专利技术实施方式的目的是提供一种基于多特征融合的岩体失稳阶段预测方法及装置，以解决通过单一特征对岩体失稳阶段预测不准确的问题。为了实现上述目的，在本专利技术第一方面，提供一种基于多特征融合的岩体失稳阶段预测方法，所述方法包括：获取岩体的声发射信号；对获取到的所述声发射信号进行混合域特征提取，分别提取参数特征、时域特征或/和频域特征中具有显著类别差异信息的多个特征参数；依据每个所述特征参数和预设的BP神经网络模型，得到表示岩体失稳阶段的预测值，并依据该预测值及期望输出值得到预测误差；建立D-S证据理论识别框架，所述识别框架包括与岩体失稳各阶段一一对应的多个识别子框架；依据所述预测误差构建所述特征参数的基本概率分配函数，通过所述特征参数的基本概率分配函数计算所述特征参数与岩体失稳各阶段的信任度值；依据所述特征参数与岩体失稳各阶段的信任度值，通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合，得到融合后的特征参数；分别计算所述融合后的特征参数对应于岩体失稳各阶段的信任度值，并以信任度值的最大值对应的岩体失稳阶段作为预测结果。可选的，所述参数特征包括所述声发射信号的振铃计数、声发射事件数、能量计数、持续时间、上升时间、有效电压值及有效幅度值中的一种或几种；所述时域特征包括所述声发射信号的峰值、均值、峭度值、标准差、脉冲因子、裕度因子及波形因子中的一种或几种；所述频域特征包括所述声发射信号的主频带位置、信号能量及频谱分散聚集程度中的一种或几种。可选的，所述预设的BP神经网络模型通过岩体失稳不同阶段的所述特征参数对BP神经网络和遗传算法进行训练后得到。可选的，所述识别子框架为所有所述特征参数对应于所述识别子框架表示的岩体失稳阶段的信任度值的集合。可选的，所述构建所述特征参数的基本概率分配函数包括：构建以所述预测误差的绝对值作为所述特征参数与实际值之间的第一距离的第一距离函数；依据所述第一距离函数构建表示所述特征参数与所述识别子框架相关度的相关系数函数；依据所述相关系数函数及所述预设的BP神经网络模型的预测值与期望输出值的均方误差构建所述特征参数的基本概率分配函数，以使得所述相关度越大，所述特征参数的基本概率分配函数得到的信任度值越大。可选的，所述通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合包括：依据同一所述识别子框架下所有所述特征参数的信任度值计算所述识别子框架下的所有所述特征参数两两之间的数学距离；构建支持度函数，使得任意两个所述特征参数之间的数学距离越小，其相互之间的支持度值越大；将所述支持度函数进行归一化处理，并将归一化处理后的支持度函数作为所述特征参数的权值，对同一所述识别子框架下的每个所述特征参数进行加权平均形成新的特征参数；依据D-S证据理论对同一所述识别子框架下的所有所述新的特征参数进行融合，得到融合后的特征参数。在本专利技术第二方面，提供一种基于多特征融合的岩体失稳阶段预测装置，所述装置包括：数据采集模块，用于获取岩体的声发射信号；特征提取模块，用于对获取到的所述声发射信号进行混合域特征提取，分别提取参数特征、时域特征或/和频域特征中具有显著类别差异信息的多个特征参数；第一预测模块，用于依据每个所述特征参数和预设的BP神经网络模型，得到表示岩体失稳阶段的预测值，并依据该预测值及期望输出值得到预测误差；识别框架建立模块，用于建立D-S证据理论识别框架，所述识别框架包括与岩体失稳各阶段一一对应的多个识别子框架；信任度计算模块，用于依据所述预测误差构建所述特征参数的基本概率分配函数，通过所述特征参数的基本概率分配函数计算所述特征参数与岩体失稳各阶段的信任度值；特征融合模块，用于依据所述特征参数与岩体失稳各阶段的信任度值，通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合，得到融合后的特征参数；第二预测模块，用于分别计算所述融合后的特征参数对应于岩体失稳各阶段的信任度值，并以信任度值的最大值对应的岩体失稳阶段作为预测结果。可选的，所述参数特征包括所述声发射信号的振铃计数、声发射事件数、能量计数、持续时间、上升时间、有效电压值及有效幅度值中的一种或几种；所述时域特征包括所述声发射信号的峰值、均值、峭度值、标准差、脉冲因子、裕度因子及波形因子中的一种或几种；所述频域特征包括所述声发射信号的主频带位置、信号能量及频谱分散聚集程度中的一种或几种。可选的，所述预设的BP神经网络模型通过岩体失稳不同阶段的所述特征参数对BP神经网络和遗传算法进行训练后得到。可选的，所述识别子框架为所有所述特征参数对应于所述识别子框架表示的岩体失稳阶段的信任度值的集合。可选的，所述信任度计算模块还包括：第一距离计算子模块，用于构建以所述预测误差的绝对值作为所述特征参数与实际值之间的第一距离的第一距离函数；相关系数函数构建子模块，用于依据所述第一距离函数构建表示所述特征参数与所述识别子框架相关度的相关系数函数；基本概率分配函数构建子模块，用于依据所述相关系数函数及所述预设的BP神经网络模型的预测值与期望输出值的均方误差构建所述特征参数的基本概率分配函数，以使得所述相关度越大，所述特征参数的基本概率分配函数得到的信任度值越大。可选的，所述特征融合模块包括：第二距离计算子模块，用于依据同一所述识别子框架下所有所述特征参数的信任度值计算所述识别子框架下的所有所述特征参数两两之间的数学距离；支持度函数构建子模块，用于构建支持度函数，使得任意两个所述特征参数之间的数学距离越小，其相互之间的支持度值越大；特征参数更新子模块，用于将所述支持度函数进行归一化处理，并将归一化处理后的支持度函数作为所述特征参数的权值，对同一所述识别子框架下的每个所述特征参数进行加权平均形成新的特征参数；特征融合子模块，用于依据D-S证据理论对同一所述识别子框架下的所有所述新的特征参数进行融合，得到融合后的特征参数。在本专利技术第三方面，提供一种计算机可读存储介质，所述可读存储本文档来自技高网...

【技术保护点】
1.一种基于多特征融合的岩体失稳阶段预测方法，其特征在于，包括：/n获取岩体的声发射信号；/n对获取到的所述声发射信号进行混合域特征提取，分别提取参数特征、时域特征或/和频域特征中具有显著类别差异信息的多个特征参数；/n依据每个所述特征参数和预设的BP神经网络模型，得到表示岩体失稳阶段的预测值，并依据该预测值及期望输出值得到预测误差；/n建立D-S证据理论识别框架，所述识别框架包括与岩体失稳各阶段一一对应的多个识别子框架；/n依据所述预测误差构建所述特征参数的基本概率分配函数，通过所述特征参数的基本概率分配函数计算所述特征参数与岩体失稳各阶段的信任度值；/n依据所述特征参数与岩体失稳各阶段的信任度值，通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合，得到融合后的特征参数；/n分别计算所述融合后的特征参数对应于岩体失稳各阶段的信任度值，并以信任度值的最大值对应的岩体失稳阶段作为预测结果。/n

【技术特征摘要】
1.一种基于多特征融合的岩体失稳阶段预测方法，其特征在于，包括：
获取岩体的声发射信号；
对获取到的所述声发射信号进行混合域特征提取，分别提取参数特征、时域特征或/和频域特征中具有显著类别差异信息的多个特征参数；
依据每个所述特征参数和预设的BP神经网络模型，得到表示岩体失稳阶段的预测值，并依据该预测值及期望输出值得到预测误差；
建立D-S证据理论识别框架，所述识别框架包括与岩体失稳各阶段一一对应的多个识别子框架；
依据所述预测误差构建所述特征参数的基本概率分配函数，通过所述特征参数的基本概率分配函数计算所述特征参数与岩体失稳各阶段的信任度值；
依据所述特征参数与岩体失稳各阶段的信任度值，通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合，得到融合后的特征参数；
分别计算所述融合后的特征参数对应于岩体失稳各阶段的信任度值，并以信任度值的最大值对应的岩体失稳阶段作为预测结果。


2.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述参数特征包括所述声发射信号的振铃计数、声发射事件数、能量计数、持续时间、上升时间、有效电压值及有效幅度值中的一种或几种；
所述时域特征包括所述声发射信号的峰值、均值、峭度值、标准差、脉冲因子、裕度因子及波形因子中的一种或几种；
所述频域特征包括所述声发射信号的主频带位置、信号能量及频谱分散聚集程度中的一种或几种。


3.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述预设的BP神经网络模型通过岩体失稳不同阶段的所述特征参数对BP神经网络和遗传算法进行训练后得到。


4.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述识别子框架为所有所述特征参数对应于所述识别子框架表示的岩体失稳阶段的信任度值的集合。


5.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述构建所述特征参数的基本概率分配函数包括：
构建以所述预测误差的绝对值作为所述特征参数与实际值之间的第一距离的第一距离函数；
依据所述第一距离函数构建表示所述特征参数与所述识别子框架相关度的相关系数函数；
依据所述相关系数函数及所述预设的BP神经网络模型的预测值与期望输出值的均方误差构建所述特征参数的基本概率分配函数，以使得所述相关度越大，所述特征参数的基本概率分配函数得到的信任度值越大。


6.根据权利要求1所述的基于多特征融合的岩体失稳阶段预测方法，其特征在于，所述通过D-S证据理论对同一个所述识别子框架下的所有所述特征参数进行融合包括：
依据同一所述识别子框架下所有所述特征参数的信任度值计算所述识别子框架下的所有所述特征参数两两之间的数学距离；
构建支持度函数，使得任意两个所述特征参数之间的数学距离越小，其相互之间的支持度值越大；
将所述支持度函数进行归一化处理，并将归一化处理后的支持度函数作为所述特征参数的权值，对同一所述识别子框架下的每个所述特征参数进行加权平均形成新的特征参数；
依据D-S证据理论对同一所述识别子框架下的所有所述新的特征参数进行融合，得到融合后的特征参数。


7.一种基于多特征融合的岩体失稳阶段预测装置，其特征在于，包括：
数据采集模块，用于获取岩体的声发射信号；
特征提取模块，用于对获取到的所述声发射信号进行混合域特征提取，分别提取参数特征、时域特征或...

【专利技术属性】
技术研发人员：罗小燕，黄祥海，吴庆龄，陈慧明，邵凡，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：江西;36