多通道微震信号小样本集成学习定向拾震算法制造技术

本公开提出一种多通道微震信号小样本集成学习定向拾震算法，包括：获取多个目标样本数据集和待处理数据集，对目标样本数据集进行标准化处理，基于处理后的目标样本数据集生成与目标样本数据集对应的第一数据向量序列和第二数据向量序列，处理与目标样本数据集对应的第一数据向量序列和第二数据向量序列，得到与第一数据向量序列对应的第一映射矩阵，根据第一映射矩阵和第一数据向量序列，确定与目标样本数据集对应的第一监测统计量阈值，根据多个第一监测统计量阈值，确定第二监测统计量阈值，根据第一映射矩阵

【技术实现步骤摘要】
多通道微震信号小样本集成学习定向拾震算法


[0001]本公开涉及微震监测
，具体涉及一种多通道微震信号小样本集成学习定向拾震算法
。

技术介绍

[0002]煤炭开采过程中存在着各种安全风险，这些风险不仅会对矿工的生命安全造成威胁，同时会对生态环境造成严重破坏
。
随着井下开采深度的增加，井下冲击地压灾害对于井下作业的安全性的影响程度日益加剧，而对井下作业区域进行微震事件监测，是指利用现代技术手段，对煤矿内部环境和运行状态进行实时监测和分析，以及时发现和预警安全风险
。
[0003]目前，煤矿作为复杂动态工业系统，大量机械与射线干扰使得微震监测原始数据中包含大量干扰与噪声信号，从而导致井下作业区域的微震事件监测存在较大的局限性
。

技术实现思路

[0004]本公开旨在至少在一定程度上解决相关技术中的技术问题之一
。
[0005]为此，本公开的目的在于提出一种多通道微震信号小样本集成学习定向拾震算法，能够实现在存在大量干扰与噪声信号的环境中对微震事件进行准确识别<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多通道微震信号小样本集成学习定向拾震算法，其特征在于，所述方法包括：获取多个目标样本数据集和待处理数据集；对所述目标样本数据集进行标准化处理，并基于标准化处理后的目标样本数据集生成与所述目标样本数据集对应的第一数据向量序列和第二数据向量序列；基于规范变量分析法处理与所述目标样本数据集对应的第一数据向量序列和第二数据向量序列，以得到与所述第一数据向量序列对应的第一映射矩阵；根据所述第一映射矩阵和所述第一数据向量序列，确定与所述目标样本数据集对应的第一监测统计量阈值；根据多个所述第一监测统计量阈值，确定第二监测统计量阈值；根据所述第一映射矩阵
、
所述第二监测统计量阈值和所述待处理数据集，确定微震监测结果
。2.
如权利要求1所述的方法，其特征在于，所述第一数据向量序列中包括所述目标样本数据集中设定时间之前的预设时间间隔中的目标样本数据；所述第二数据向量序列中包括所述目标样本数据集中设定时间之后的多个预设时间间隔中的目标样本数据
。3.
如权利要求2所述的方法，其特征在于，所述根据所述第一映射矩阵和所述第一数据向量序列，确定与所述目标样本数据集对应的第一监测统计量阈值，包括：采用如下公式计算得到所述第一监测统计量阈值：；其中，，为第一数据向量序列，
J
为第一映射矩阵，
W
为第一数据向量序列的数量，代表
J
的前
k
列，，
k
为预设时间间隔，
T
为转置符号，为第
i
个目标样本数据集对应的第一监测统计量阈值
。4.
如权利要求3所述的方法，其特征在于，所述根据多个所述第一监测统计量阈值，确定第二监测统计量阈值，包括：采用如下公式计算得到所述第二监测统计量阈值：；其中，
H
为第一监测统计量阈值的数量，为第二监测统计量阈值，为第
i
个目标样本数据集对应的第一监测统计量阈值
。5.
如权利要求1所述的方法，其特征在于，所述根据所述第一映射矩阵
、
所述第二监测统计量阈值和所述待处理数据集，确定微震监测结果，包括：对所述待处理数据集进行标准化处理，并基于标准化处理后的待处理数据集生成第三数据向量序列，其中，所述第三数据向量序列中包括待处理数据集中设定时间之前的预设时间间隔中的待处理数据；根据所述第一映射矩阵及所述第三数据向量序列，确定与所述待处理数据集对应的第一监测统计量值；
...

【专利技术属性】
技术研发人员：程健，石林松，骆意，周天白，杨凌凯，张晓雨，
申请(专利权)人：天地科技股份有限公司北京技术研究分公司，
类型：发明
国别省市：