微地震信号的特征提取与分类识别的研究

发布时间：2017-03-28 14:12

  本文关键词：微地震信号的特征提取与分类识别的研究，由笔耕文化传播整理发布。

【摘要】：微地震监测技术在国外已经被广泛的应用在大型岩土工程施工和大型结构体运行的安全性的监测中,如监测边坡、地下洞室与隧道的稳定性等方面。虽然在这个技术国内在工程邻域中的应用才刚刚起步,但是却起着越来越重要的作用。微地震监测能对大型工程的施工和安全监测提供准确的数据依据,如何能够快速有效的识别出微地震信号,对大型工程的安全评估具有举足轻重的意义。微地震监测系统由于具有较高的监测灵敏度,同时微地震信号本身的能量较弱,易受背景噪声干扰,这些因素使得真正需要提取的微地震信号被“淹没”在大量的干扰信号中,不能被快速准确的被筛选出来,降低了微地震信号的时效性和准确性,对大型岩土工程施工和大型结构体运行的安全性监测造成不利影响。本文通过提取微地震信号不同的信号特征,并对这些不同的信号特征进行融合后产生新特征,使用不同的分类识别方法对这些新特征进行分类实验,寻找到了一种能够快速有效识别微地震信号的手段。本文的实验平台为Matlab 2013a,提取的微地震信号特征有小波包系数香侬熵、小波包系数能量比、信号过零率、信号峰度系数、信号的信噪比这5种信号特征,分类方法选取了SVM支持向量机算法、K近邻算法(KNN)和KNN-SVM算法这三类算法。对以上5种信号特征相互融合生成了12种信号特征,并使用上述这3种分类算法进行分类实验,选取了其中分类正确率最高的信号特征与分类方法的组合,然后将其应用于实际的微地震信号的识别分类中并且取得了良好的效果。在本文实验选取了SVM、KNN、KNN-SVM三种算法,其中SVM算法和KNN算法选取了db7、db3、rbio1.5三种不同的小波基进行了试验。首先选用SVM支持向量机法对所提取的特征进行分类,为了测试小波基、分类器、核函数、不同信号特征组等参数对分类结果造成的影响,每次测试中通过只改变一种参数来进行测试,以此来观察各种不同参数对分类结果造成的影响,SVM算法中分类器测试中选取了C-SVC和V-SVC两种分类器,核函数选取了Rbf、Linear、Sigmoid三种核函数,在SVM算法的实验结果中,采用信号过零率、信号的信噪比、信号的峰度系数、信号的db7小波基的小波包系数香侬熵的特征组合加Rbf核函数和V-SVC分类器进行搭配时的分类效果最好为95%。在KNN算法实验中选K值选择了3、5、7、9、11这5个值,在KNN算法结果中当K=7,采用db7小波基的小波包系数香侬熵与信号峰度系数、信号的信噪比的特征组合下分类正确率最好为85%。而在KNN-SVM算法实验中小波基选用了前面表现较好的db7小波基和V-SVC分类器,K值为2、3、4、5、6,核函数选取了Rbf、Linear、Sigmoid三种核函数进行分类实验,无论何种核函数当K=5或6,db7小波基的小波包系数香侬熵和信号峰度系数的特征组合分类正确率最好为55%。最终结果表明在使用SVM算法下,信号过零率、信号的信噪比、信号峰度系数、信号的db7小波基的小波包系数香侬熵的信号特征组合与Rbf核函数的V-SVC分类器进行搭配对实际的微地震信号能够有效的进行筛选。并将其应用在了实际的水电站运行中监测得到的信号中,取得了良好的效果。这种手段使得施工和监测人员能够通过微地震监测系统快速、准确、可靠的提取出需要的微地震监测信号。
【关键词】：微地震 信号特征融合 SVM支持向量机 K近邻算法 KNN-SVM算法
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P315.6;P315.9
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 选题背景、依据及意义10-11
• 1.2 微地震监测技术的国内外研究现状和关键问题11-13
• 1.2.1 微地震监测技术历史与发展11-12
• 1.2.2 微地震监信号的特征提取与分类识别的研究现状12-13
• 1.3 本文的研究意义、研究思路与内容、预期成果13-15
• 1.3.1 研究意义13
• 1.3.2 研究思路与内容13-14
• 1.3.3 预期成果14-15
• 第二章 微地震监测原理与信号特征提取15-24
• 2.1 微地震监测方法原理15-16
• 2.1.1 微地震监测系统简介15
• 2.1.2 微地震监测原理15-16
• 2.2 微地震监测信号特征提取原理16-23
• 2.2.1 数据预处理原理及方法16-17
• 2.2.2 几种提取的数据特征17
• 2.2.3 信号的峰度系数17-19
• 2.2.4 时域过零率提取19-20
• 2.2.5 信号的信噪比提取20-22
• 2.2.6 小波包系数香侬熵提取22-23
• 2.2.7 小波包系数能量比提取23
• 2.3 本章小结23-24
• 第三章 识别分类方法及其相关原理24-41
• 3.1 支持向量机（Support Vector Machine）24-32
• 3.1.1 线性分类算法24-25
• 3.1.2 最大分类间隔25-26
• 3.1.3 SVM对于线性可分问题与线性不可分问题26-30
• 3.1.4 松弛变量（Outliers）30-32
• 3.1.5 SVM支持向量机的特性32
• 3.2 交叉验证（Cross Validation)原理32-34
• 3.3 SVM算法的实验步骤34
• 3.4 KNN邻近法（K-Nearest Neighbor）基本原理与特性34-38
• 3.4.1 KNN邻近法的基本原理34-36
• 3.4.2 KNN邻近算法指导思想36
• 3.4.3 KNN邻近法的特性36-37
• 3.4.4 常见的相似距离37
• 3.4.5 KNN邻近算法算法与SVM支持向量机算法的区别37-38
• 3.5 KNN-SVM算法原理与步骤38-40
• 3.5.1 KNN-SVM算法原理38-39
• 3.5.2 KNN-SVM算法的主要步骤39-40
• 3.6 本章小结40-41
• 第四章 微地震监测信号的分类实验41-58
• 4.1 基本数据组合院参数配置41-42
• 4.2 支持向量机中不同参数对分类的影响42-52
• 4.2.1 不同小波基函数的选择对分类的影响42-44
• 4.2.2 不同分类器的选择对分类的影响44-46
• 4.2.3 不同核函数合对分类的影响46-48
• 4.2.4 不同数据组合对分类的48-52
• 4.3 KNN邻近算法中不同参数对分类的影响52-55
• 4.3.1 不同小波基对分类的影响52-53
• 4.3.2 不同K值和数据组合对分类的影响53-55
• 4.4 KNN-SVM算法中不同参数对分类的影响55-57
• 4.5 本章小结57-58
• 第五章 应用效果与意义58-67
• 5.1 工区简介58-60
• 5.2 应用过程60-61
• 5.3 应用效果与分析61-65
• 5.4 应用意义65-66
• 5.5 本章小结66-67
• 结论67-69
• 致谢69-70
• 参考文献70-73
• 攻读学位期间取得学术成果73

【相似文献】

中国期刊全文数据库 前10条

1 刘建中,王春耘,刘继民,赵玉武,刘志鹏;用微地震法监测油田生产动态[J];石油勘探与开发;2004年02期

2 T. Wallroth ,朱成宏;用注水激发的微地震描述裂隙储层[J];石油物探译丛;1996年06期

3 刘建安,马红星,慕立俊,邱筱琳;井下微地震裂缝测试技术在长庆油田的应用[J];油气井测试;2005年02期

4 王亚娟;张华光;王成旺;刘利霞;邓军;胡淑娟;;利用微地震测绘和压裂模拟分析进行水力裂缝增长动态研究[J];国外油田工程;2006年10期

5 朱卫星;;相关滤波在微地震数据处理中的应用[J];勘探地球物理进展;2007年02期

6 黄今;苏华友;沙椿;何刚;郝名扬;;锦屏电站微地震监测仪故障分析与探讨[J];科技经济市场;2008年11期

7 周仲礼;王琪;殷静;范谭广;谈伟敦;;用微地震发现高速岩性及识别油气[J];吐哈油气;2008年03期

8 黄今;苏华友;卢国胜;杜林;范波峰;;采动过程中微地震定位方法研究[J];现代矿业;2009年02期

9 黄克献;李利立;刘军芳;岳琳;杨启明;;微地震地下影像技术在注水破裂监测和剩余油分布研究中的应用[J];内蒙古石油化工;2009年14期

10 胡庆春;孟米;;基于大井距油气田的微地震压裂监测技术研究[J];天然气技术与经济;2011年04期

中国重要会议论文全文数据库 前4条

1 储仿东;王永辉;李永平;衡峰;容娇君;;微地震井中监测技术在致密砂岩中的应用实例[A];中国地球物理2013——第十二专题论文集[C];2013年

2 余洋洋;梁春涛;杨宜海;;微地震监测系统的设计[A];中国地球物理2013——第二十三专题论文集[C];2013年

3 张佩;张海江;M.Nafi Toksoz;;犹他州Cove Fort-Sulphurdale地区微地震震源机制研究与应用[A];2014年中国地球科学联合学术年会——专题12：强震机理、孕育环境与地震活动性分析论文集[C];2014年

4 骆循;;矿山与大型地下工程灾害监测的微地震技术应用[A];中国地球物理学会第二十三届年会论文集[C];2007年

中国重要报纸全文数据库 前3条

1 特约记者 李铭　通讯员 彭树禹;长庆井下首次实施微地震试验成功[N];中国石油报;2009年

2 特约记者 林勇;胜利油田首次自主微地震压裂监测采集试验成功[N];东营日报;2010年

3 记者 金江山 通讯员 王晓泉;井中微地震裂缝监测技术获重大突破[N];中国石油报;2013年

中国博士学位论文全文数据库 前4条

1 江海宇;油田压裂微地震地面监测速度模型校正及定位研究[D];吉林大学;2016年

2 况文欢;结合地震学和地质力学对微地震数据的研究[D];中国科学技术大学;2015年

3 张唤兰;微地震数值模拟及震源定位方法研究[D];西安科技大学;2014年

4 逄焕东;岩体微地震的模式、定位及其失稳预报研究[D];山东科技大学;2004年

中国硕士学位论文全文数据库 前10条

1 王超;微地震正演方法研究[D];长安大学;2015年

2 李亮;微地震信号自动检测及震源扫描分割矩阵反演方法研究[D];长安大学;2015年

3 于子超;水力压裂微地震信号提取与裂缝反演研究[D];长安大学;2015年

4 蒋腾飞;微地震数据去噪方法研究[D];长江大学;2015年

5 王子阳;砂砾岩体人工裂缝及地层物性的微地震方法研究[D];中国石油大学(华东);2014年

6 屈敬翔;面向页岩气勘探的微地震采集记录仪研制[D];中国海洋大学;2015年

7 田厚强;郓城煤矿综放采场微地震与应力特征研究及应用[D];安徽理工大学;2016年

8 王东鹤;基于射线理论的微地震速度模型校正方法研究[D];吉林大学;2016年

9 刘昕;基于高阶累积量和Shearlet变换的微地震数据噪声压制研究[D];吉林大学;2016年

10 常凯;稀疏约束反演在微地震插值与成像中的应用[D];吉林大学;2016年

  本文关键词：微地震信号的特征提取与分类识别的研究，，由笔耕文化传播整理发布。

本文编号：272416