公开(公告)号：CN111275003B

公开(公告)日：2023-08-01

申请号：CN202010101031.1

申请日：2020-02-19

申请人： 煤炭科学研究总院 ,  中国矿业大学 ,  中国科学院沈阳自动化研究所

发明人： 程健 ,  张子睿 ,  郭一楠 ,  唐凤珍 ,  曹安业 ,  崔宁 ,  焦博韬

IPC分类号： G06F18/24 ,  G06F18/213 ,  G06F18/214 ,  G01V1/28

摘要： 一种基于类最优高斯核多分类支持向量机的微震信号识别方法，属于机器学习与数据挖掘领域。首先，对微震数据按照信道划分，并进行数据格式转换；其次，对每个信道数据根据均值和方差进行特征提取，并将同一样本的所有信道合并，构成新特征，利用类最优高斯核多分类支持向量机，对合成数据进行特征选择，生成降维后的非平衡训练样本集；再次，根据训练样本的非平衡率，确定欠采样倍率，对大类样本进行欠采样；最后，采用多分类支持向量机构建降维后的微震信号分类器。本发明可以有效减少冗余特征对分类的影响；通过对信道特征和合并特征进行双重降维，有效降低微震信号维度，提高微震信号分类器的正确率和时效性，增加冲击地压灾害预警的准确率。

公开(公告)号：CN108830328B

公开(公告)日：2022-01-11

申请号：CN201810646595.6

申请日：2018-06-21

申请人： 煤炭科学研究总院 ,  中国矿业大学

发明人： 程健 ,  崔宁 ,  郭一楠 ,  陈晶晶 ,  杨凌凯 ,  白帅

IPC分类号： G06K9/62 ,  G01V1/28

摘要： 本发明公开了一种融合空间知识的微震信号SMOTE识别方法及监测系统，实现对微震信号的分类，从而完成对冲击地压灾害更加准确及时的预警。首先，对源于SOS微震监测系统的微震数据进行数据格式转换和划分；其次，确定微震信号的空间相关性，构建融合空间知识的非平衡训练样本集；再次，根据训练样本集的非平衡率，确定采样倍率，实现基于SMOTE的小类样本生成；最后，采用模型融合结构，实现融合空间知识的微震信号分类器学习。本发明充分利用微震信号的空间布局信息，挖掘具有强相关性的同类数据，减少不相关同类数据对过采样数据生成的影响，提高微震信号学习器的分类正确率和时效性，为冲击地压灾害及时有效预警提供更有力的支持。

公开(公告)号：CN111275003A

公开(公告)日：2020-06-12

申请号：CN202010101031.1

申请日：2020-02-19

申请人： 煤炭科学研究总院 ,  中国矿业大学 ,  中国科学院沈阳自动化研究所

发明人： 程健 ,  张子睿 ,  郭一楠 ,  唐凤珍 ,  曹安业 ,  崔宁 ,  焦博韬

IPC分类号： G06K9/00 ,  G06K9/62 ,  G01V1/28

摘要： 一种基于类最优高斯核多分类支持向量机的微震信号识别方法，属于机器学习与数据挖掘领域。首先，对微震数据按照信道划分，并进行数据格式转换；其次，对每个信道数据根据均值和方差进行特征提取，并将同一样本的所有信道合并，构成新特征，利用类最优高斯核多分类支持向量机，对合成数据进行特征选择，生成降维后的非平衡训练样本集；再次，根据训练样本的非平衡率，确定欠采样倍率，对大类样本进行欠采样；最后，采用多分类支持向量机构建降维后的微震信号分类器。本发明可以有效减少冗余特征对分类的影响；通过对信道特征和合并特征进行双重降维，有效降低微震信号维度，提高微震信号分类器的正确率和时效性，增加冲击地压灾害预警的准确率。

公开(公告)号：CN108830328A

公开(公告)日：2018-11-16

申请号：CN201810646595.6

申请日：2018-06-21

申请人： 中国矿业大学

发明人： 程健 ,  崔宁 ,  郭一楠 ,  陈晶晶 ,  杨凌凯 ,  白帅

IPC分类号： G06K9/62 ,  G01V1/28

摘要： 本发明公开了一种融合空间知识的微震信号SMOTE识别方法及监测系统，实现对微震信号的分类，从而完成对冲击地压灾害更加准确及时的预警。首先，对源于SOS微震监测系统的微震数据进行数据格式转换和划分；其次，确定微震信号的空间相关性，构建融合空间知识的非平衡训练样本集；再次，根据训练样本集的非平衡率，确定采样倍率，实现基于SMOTE的小类样本生成；最后，采用模型融合结构，实现融合空间知识的微震信号分类器学习。本发明充分利用微震信号的空间布局信息，挖掘具有强相关性的同类数据，减少不相关同类数据对过采样数据生成的影响，提高微震信号学习器的分类正确率和时效性，为冲击地压灾害及时有效预警提供更有力的支持。

公开(公告)号：CN110688983A

公开(公告)日：2020-01-14

申请号：CN201910976478.0

申请日：2019-10-15

申请人： 中国矿业大学

发明人： 程健 ,  崔宁 ,  郭一楠 ,  焦博韬 ,  陈晶晶 ,  陈锦

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/12

摘要： 本发明公开了基于多模态优化和集成学习的微震信号识别方法，实现对微震信号的分类，从而完成对冲击地压灾害更加准确、及时的预警。首先，根据微震训练样本集的非平衡率，确定采样倍率，实现基于SMOTE的小类样本生成；其次，采用放回采样方式，进行多次抽取，得到多个子训练样本集，并在每个子训练样本集上训练多个弱分类器；再次，根据每个子训练样本集上的分类结果，选择分类性能最优的个体作为最终的集成个体；最后，采用多模态优化技术，去除冗余的集成弱分类器个体，选择最优弱分类器组合参与集成。本发明充分考虑微震信号的非平衡特性，利用多模态优化技术对弱分类器个体进行选择，寻找部分具有差异性大的个体参与集成，减少冗余个体对集成学习器性能的影响，提高了微震信号的分类正确率，为冲击地压灾害及时有效预警提供更有力的支持。