【技术实现步骤摘要】
一种基于隐半马尔科夫模型的微震信号分割方法
[0001]本申请涉及煤矿开采微震监测
,尤其涉及一种基于隐半马尔科夫模型的微震信号分割方法。
技术介绍
[0002]在煤矿开采过程中,往往伴随着许多可能发生的灾害,如矿井微震、冲击地压、顶板灾害以及瓦斯突出等,严重影响了煤矿的安全开采。为减少灾害的发生,对灾害及时预警,微震监测技术被广泛应用于煤矿开采。通过采集和分析围岩发生形变或破坏时所发出的弹性波,即微震信号,对预防预警煤岩动力灾害起着关键作用。微震定位是微震监测技术中关键的内容,但是由于煤矿井下开采环境的复杂性,影响微震定位精度的因素有很多,微震信号P波初至拾取就是其中之一。P波初至拾取的准确度是微震定位,乃至煤岩动力灾害预测预警的关键。
[0003]微震信号拾取虽然受到广泛关注和研究,但是大部分研究仅仅针对初至时刻的拾取,同时考虑初至时刻与结束时刻拾取的研究较少,整体拾取即为微震信号的分割。在复杂的工作环境中,微震监测采集到的数据往往不只含有岩体破裂信号,还伴随着爆破信号、电磁干扰信号以及钻机凿岩信号等。为了有效的实现微震信号的识别、分类与分析等后续工作,微震信号的分割是首要前提。
技术实现思路
[0004]本申请提供了一种基于隐半马尔科夫模型的微震信号分割方法,其技术目的是在保证微震信号P波初至拾取精确度的同时,对微震信号的结束时刻进行拾取,从而实现微震信号的分割。
[0005]本申请的上述技术目的是通过以下技术方案得以实现的:
[0006]一种基于隐半马尔科夫模型的
【技术保护点】
【技术特征摘要】
1.一种基于隐半马尔科夫模型的微震信号分割方法,其特征在于,包括:S1:采集原始微震信号X并对其进行预处理,得到预处理后的微震信号X
′
;其中,X={x1,x2,...,x
T
};S2:对微震信号X
′
进行特征提取,得到微震信号X
′
的特征序列E
A
′
;S3:将多个微震信号的特征序列E
A
'构成的特征序列集划分为训练集和测试集;S4:使用隐半马尔科夫模型对微震信号X'建模,包括:微震信号X'中的每一个时刻对应一个状态,由此构成隐半马尔科夫模型中的隐藏状态序列I={i1,i2,...,i
r
},微震信号X'的特征序列E
A
'作为隐半马尔科夫模型中观测序列O={o1,o2,...,o
T
},则微震信号X'的隐半马尔科夫模型为λ=(π,A,B,P),表示为:其中,π表示初始状态概率向量,π
i,d
表示初始状态为q
i
且持续时间为d个时间单位的概率;A表示状态转移概率矩阵,a
(i,d')(j,d)
表示在已知前d'个时间单位内状态为q
i
的条件下,当前d个时间单位内状态为q
j
的概率;B表示观测概率矩阵,b
j,d
(O
t+1:t+d
)表示在已知状态序列i
[t+1:t+d]
的状态为q
j
的条件下,其生成的观测序列为O
t+1:t+d
的概率;P表示状态驻留时间概率矩阵,p
i
(d)表示状态q
i
持续d个时间单位的概率;S5:对λ的参数进行初始化,包括:通过训练集中的特征序列E
A
'对λ的初始参数进行统计;S6:对最优参数进行估计,并获取最优参数对应的模型表示为λ
*
=(π,A,B,P);S7:将测试集中的特征序列作为模型λ
*
的观测序列,基于维特比算法对观测序列中对应的隐藏状态序列进行估计,得到估计隐藏状态序列I'={i1,i2,...,i
T
};S8:根据估计隐藏状态序列I'={i1,i2,...,i
T
}获取微震事件的初至时刻和结束时刻,最终实现微震信号的分割。2.如权利要求1所述的方法,其特征在于,步骤S1中,对原始微震信号X进行预处理,包括:采用变分模态分解将X分解为K个模态分量,通过频谱分析对K个模态分量中的高频噪声分量进行去除,剩下的模态分量相加重构即得到去噪后的微震信号X
denoise
,对去噪后的微震信号X
denoise
进行幅值归一化得到预处理后的微震信号X',表示为:X'=X
denoise
/max(|X
denoise
|)。3.如权利要求1所述的方法,其特征在于,步骤S2包括:S21:对微震信号X'的...
【专利技术属性】
技术研发人员:芦楠楠,邢帅,马占国,刘盛东,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。