矿山微震事件识别方法、介质及设备技术

本发明专利技术实施例提供一种矿山微震事件识别方法、介质及设备，属于矿山数据处理领域。所述方法包括：将矿山微震监测系统监测得到的历史微震数据转化微震波形图像，再将所述微震波形图像转化为四邻域的微震波形图结构；对所述微震波形图结构进行区域限定，并基于所限定的区域提取出所述微震波形图结构中的任意节点的相似特征层；以及将所述微震波形图像作为改进型卷积神经网络模型的输入层，并依次连接所述相似特征层以及针对该改进型卷积神经网络模型预先配置的卷积层、池化层、全连接层和输出层，以形成用于识别矿山微震事件的识别模型。本发明专利技术实施例所设计的识别模型，能够实现对相似特征层的提取，从而对矿山微震事件进行有效识别。识别。识别。

【技术实现步骤摘要】
矿山微震事件识别方法、介质及设备


[0001]本专利技术涉及矿山数据处理领域，具体地涉及一种矿山微震事件识别方法、介质及设备。

技术介绍

[0002]矿山微震是指在采矿过程中，在周围岩石应力场的作用下，使矿井及其周围应力发生突变，当周围岩石聚集了大量能量后迅速释放出来而产生的岩层震动。矿山微震属于在采矿过程中发生的一种诱发地震，其中大能量的矿山微震是矿井的危害之一，一旦发生会对生命和财产安全造成极大损害。矿山微震主要发生在地质构造比较复杂、构造应力较大以及断裂活动明显的矿区，其不管在成因上还是波形特征上都比较复杂，一方面井下和地面的矿区开采活动都可能引发矿山微震的发生，较小矿震地面无震感，而较大矿震地面震感强烈，另一方面矿井顶板冒落、煤层片帮、地表塌陷、冲击地压、岩爆、煤与瓦斯突出等也可引发矿山微震。因此，对矿山微震的监测非常重要。
[0003]目前，将矿山微震监测系统运用于煤矿监测中，能够源源不断地产生大量的微震数据，而这些数据能够用于矿山微震事件的识别等问题。但是，为了解决矿山微震事件识别准确率的问题，近年来出现许多应用于矿山微震监测系统的解决方法，包括时频分析、多参数联合识别和机器学习等方法，但这些方法存在微震事件识别不准确、参数量大使得时间复杂度增大等问题，具有极大的应用极限性。

技术实现思路

[0004]本专利技术实施例的目的是提供一种矿山微震事件识别方法、介质及设备，以至少部分地解决上述技术问题。
[0005]为了实现上述目的，本专利技术实施例提供一种矿山微震事件识别方法，包括：将矿山微震监测系统监测得到的历史微震数据转化微震波形图像，再将所述微震波形图像转化为四邻域的微震波形图结构；对所述微震波形图结构进行区域限定，并基于所限定的区域提取出所述微震波形图结构中的任意节点的相似特征层，其中每一节点的特征通过该节点的k个相似节点的RGB信息来表征，且所述相似特征层是指将所述k个相似节点按相似度从小到大排列而形成的k层相似节点，其中k是大于1的整数；以及将所述微震波形图像作为改进型卷积神经网络模型的输入层，并依次连接所述相似特征层以及针对该改进型卷积神经网络模型预先配置的卷积层、池化层、全连接层和输出层，以形成用于识别矿山微震事件的识别模型。
[0006]可选的，所述微震波形图结构中的每一个节点被表示为v＝[x，f]T
，其中x＝[u，v]表示节点的像素点坐标，f＝[R，G，B]分别表示像素点对应的RGB三通道的像素值。
[0007]可选的，所述对所述微震波形图结构进行区域限定包括：通过预设尺寸的第一子图确定所述微震波形图结构中的对角线节点的像素值；根据所确定的像素值判断该子图所对应的区域是否是空白区域；以及从所述微震波形图结构中限定出非空白区域以作为进行
相似特征层提取的区域。
[0008]可选的，所述基于所限定的区域提取出所述微震波形图结构中的任意节点的相似特征层包括：在所限定的区域中，选择尺寸小于所述第一子图的第二子图限定的提取区域；采用非递归SimRank算法计算所述提取区域中的任意节点与其他节点之间的相似度；以及根据计算的相似度大小排列顺序，确定相应节点的相似特征层。
[0009]可选的，所述卷积层被配置为包括由多个神经元组成的特征图，且该特征图被表示为下式：
[0010][0011]其中b
p,q
为特征图所对应的偏置值，σ为ReLU函数，为卷积核，I
(m
‑
u,n
‑
v)
为卷积核所在的像素位置。
[0012]可选的，所述池化层被配置为：将从所述卷积层输入所述池化层的特征图划分为多个局部区域，并确定每个局部区域内的所有神经元的平均值或最大值以进行输出。
[0013]可选的，所述卷积层、所述池化层及所述全连接层的数量为一个或多个，连接在所述全连接层之前的所述卷积层和所述池化层的组合层的数量为一个或多个。
[0014]可选的，所述全连接层中的每个神经元与前一池化层的所有神经元进行全连接，且所述全连接层与其前一池化层的连接还通过以下实现：将与所述前一池化层的输出特征图级联转化为长度相适应的向量，并将该向量作为所述全连接层的输入。
[0015]可选的，在所述形成用于识别矿山微震事件的识别模型之后，所述矿山微震事件识别方法还包括：对所形成的识别模型的多个模型参数的权重和偏置进行修正；以及利用预设测试集对所修正的模型进行测试，并利用测试合格的识别模型处理实时的微震波形图像以识别微震事件。
[0016]可选的，所述对所形成的识别模型的多个模型参数的权重和偏置进行修正包括：对所述识别模型进行前向传播训练，以得到该识别模型的输出误差；以及对所述输出误差进行反向传播训练，并在反向传播训练中应用随机梯度下降算法以修正所述识别模型的权重和偏置。
[0017]本专利技术实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行本申请上述任意的矿山微震事件识别方法。
[0018]本专利技术实施例还提供一种矿山微震事件识别设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述处理器执行所述程序以实现上述任意的矿山微震事件识别方法。
[0019]通过上述技术方案，本专利技术实施例针对当前已有的CNN方法中对于微震事件识别准确率不高的问题，设计了一种基于改进CNN的矿山微震事件识别模型，其能够实现对相似特征层的提取以及对图片数据的特征提取，具有高效、准确的特性，能够对矿山微震事件进行有效识别。
[0020]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0021]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：
[0022]图1是本专利技术实施例一的矿山微震事件识别方法的流程示意图；
[0023]图2是本专利技术实施例二的矿山微震事件识别方法的流程示意图；
[0024]图3是本专利技术实施例的示例中进行矿山微震事件识别的流程示意图；
[0025]图4(a)和图4(b)是本专利技术实施例的示例中的微震数据集的示意图；
[0026]图5(a)和图5(b)是本专利技术实施例的示例中进行相似特征层的提取的原理示意图；
[0027]图6(a)是本专利技术实施例的示例中的大子图的示意图，而图6(b)是本专利技术实施例的示例中的小子图的示意图；
[0028]图7是本专利技术实施例的示例中的基于改进CNN的矿山微震事件识别模型的示意图；
[0029]图8是本专利技术实施例的示例中的微震信号识别模型识别准确率示意图；
[0030]图9是本专利技术实施例的示例中的微震信号识别模型识别损失函数示意图；
[0031]图10是本专利技术实施例的示例中相似特征层的添加对原始卷积神经网络结构模型的影响结果的示意图；以及
[0032]图11本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿山微震事件识别方法，其特征在于，所述矿山微震事件识别方法包括：将矿山微震监测系统监测得到的历史微震数据转化微震波形图像，再将所述微震波形图像转化为四邻域的微震波形图结构；对所述微震波形图结构进行区域限定，并基于所限定的区域提取出所述微震波形图结构中的任意节点的相似特征层，其中每一节点的特征通过该节点的k个相似节点的RGB信息来表征，且所述相似特征层是指将所述k个相似节点按相似度从小到大排列而形成的k层相似节点，其中k是大于1的整数；以及将所述微震波形图像作为改进型卷积神经网络模型的输入层，并依次连接所述相似特征层以及针对该改进型卷积神经网络模型预先配置的卷积层、池化层、全连接层和输出层，以形成用于识别矿山微震事件的识别模型。2.根据权利要求1所述的矿山微震事件识别方法，其特征在于，所述微震波形图结构中的每一个节点被表示为v＝[x，f]
T
，其中x＝[u，v]表示节点的像素点坐标，f＝[R，G，B]分别表示像素点对应的RGB三通道的像素值。3.根据权利要求1所述的矿山微震事件识别方法，其特征在于，所述对所述微震波形图结构进行区域限定包括：通过预设尺寸的第一子图确定所述微震波形图结构中的对角线节点的像素值；根据所确定的像素值判断该子图所对应的区域是否是空白区域；以及从所述微震波形图结构中限定出非空白区域以作为进行相似特征层提取的区域；优选地，所述基于所限定的区域提取出所述微震波形图结构中的任意节点的相似特征层包括：在所限定的区域中，选择尺寸小于所述第一子图的第二子图限定的提取区域；采用非递归SimRank算法计算所述提取区域中的任意节点与其他节点之间的相似度；以及根据计算的相似度大小排列顺序，确定相应节点的相似特征层。4.根据权利要求1所述的矿山微震事件识别方法，其特征在于，所述卷积层被配置为包括由多个神经元组成的特征图，且该特征图被表示为下式：其中b
p,q
为特征图所对应的偏置值，σ为ReLU函数，为卷积核，I
(m

【专利技术属性】
技术研发人员：潘一山，丁琳琳，曹鲁杰，张翰林，罗浩，包鑫阳，
申请(专利权)人：辽宁大学，
类型：发明
国别省市：