基于深度学习方法的矿山微震信号分类识别研究

摘要：

为了精准识别矿山微震信号,本文提出了一种适用于识别矿山微震信号的VGG4-CNN深度学习网络模型,该模型采用Python语言进行编写,基于PyTorch深度学习网络架构框架进行搭建.根据矿山生产过程中的岩石破裂、爆破作业、背景噪声等9类事件的微震信号的时域特征,VGG4-CNN深度学习网络模型实现了对3835组矿山微震信号数据进行监督学习训练和分类识别应用.研究结果表明:本文构建的VGG4-CNN神经网络识别精度高达94％,在采用该模型时不需要对原有波形信号进行去噪且鲁棒性强于现存其他模型,可在中等层次GP U上实现,满足工程需要.

关键词：微震信号;识别技术;深度学习;时域分析

所属期刊栏目：7

分类号：TD76(矿山安全与劳动保护)

资助基金：河北省生态智慧矿山联合基金;河北省物联网监控工程技术研究中心开放课题;越崎杰出学者资助项目

在线出版日期：2022-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：166-174