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

Applicant: 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

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

IPC: G06K9/00 ,  G06K9/62 ,  G01V1/28

Abstract: 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：CN111275003B

公开(公告)日：2023-08-01

申请号：CN202010101031.1

申请日：2020-02-19

Applicant: 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

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

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

Abstract: 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。