本發(fā)明涉及一種巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的識(shí)別方法，尤其是涉及一種非線性的巖體破裂信號(hào)與爆破振動(dòng)信號(hào)識(shí)別方法。

背景技術(shù)：
微震監(jiān)測(cè)作為一種有效的地壓監(jiān)測(cè)手段在國(guó)內(nèi)外得到了廣泛應(yīng)用，而巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的識(shí)別對(duì)微震監(jiān)測(cè)具有重要意義。但巖體破裂信號(hào)與爆破振動(dòng)信號(hào)相似性較大，且受眾多噪音信號(hào)干擾，自動(dòng)識(shí)別較為困難。目前主要采用人工識(shí)別巖體微震信號(hào)，但人工識(shí)別易受個(gè)人因素影響，且識(shí)別數(shù)量有限，限制了微震監(jiān)測(cè)的實(shí)時(shí)分析。目前針對(duì)巖體破裂信號(hào)與爆破振動(dòng)信號(hào)自動(dòng)識(shí)別的方法可分為：多參數(shù)統(tǒng)計(jì)法、機(jī)器學(xué)習(xí)法和波形時(shí)頻法，這些方法通常包括特征提取和特征識(shí)別兩個(gè)過程。常用的特征提取包括震級(jí)、能量、視應(yīng)力、視體積、靜態(tài)應(yīng)力降、動(dòng)態(tài)應(yīng)力降和時(shí)域波形特征參數(shù)(振幅、頻率)等，特征識(shí)別方法包括fisher分類法、Logistic回歸法、隨機(jī)森林法、神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法和貝葉斯分類法等。常用的特征參數(shù)大多難以自動(dòng)得到，波形時(shí)域特征參數(shù)是在單一尺度上分析得到的，其信息量較少，限制了巖體微震信號(hào)的自動(dòng)識(shí)別。波形時(shí)頻法能夠在多尺度上獲取巖體微震信號(hào)的信息，在信號(hào)分析領(lǐng)域中得到了廣泛的應(yīng)用。波形時(shí)頻法的多尺度分析主要是借助小波分析、小波包分析和頻率切片小波分析。唐守鋒等(2011)根據(jù)采樣定理和Mallat算法確定了小波分解最大尺度，并提出采用小波特征能譜系數(shù)作為煤巖破裂微震信號(hào)識(shí)別的定量表征；朱權(quán)潔等(2012a)運(yùn)用小波包分析對(duì)微震信號(hào)進(jìn)行了5層多尺度分解，并對(duì)巖石破裂信號(hào)和爆破震動(dòng)信號(hào)的能量分布進(jìn)行了對(duì)比分析；朱權(quán)潔等(2012b)結(jié)合小波分析與分形理論對(duì)爆破振動(dòng)、巖石破裂及電磁干擾3類信號(hào)進(jìn)行了5層小波包分解，并以篩選后的23個(gè)小波分形盒維數(shù)作為支持向量機(jī)識(shí)別的特征向量；趙國(guó)彥等(2015)采用頻率切片小波變換對(duì)礦山巖體破裂信號(hào)和爆破振動(dòng)信號(hào)特定頻帶能量比和相關(guān)系數(shù)進(jìn)行了研究。小波分析、小波包分析和頻率切片小波分析具有較好的自適應(yīng)性，但很容易受到信號(hào)中相鄰諧波成分的交疊影響，致使不同頻帶信號(hào)存在混疊?？梢姮F(xiàn)有的巖體破裂信號(hào)與爆破振動(dòng)信號(hào)識(shí)別方法存在較大的局限，需要研究一種適用性強(qiáng)、準(zhǔn)確性高的自動(dòng)識(shí)別方法。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問題是提供一種巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的非線性識(shí)別方法，該巖體微震信號(hào)非線性識(shí)別方法適用性強(qiáng)、準(zhǔn)確性高。發(fā)明的技術(shù)解決方案如下：一種巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的非線性識(shí)別方法，包括以下步驟：步驟1：導(dǎo)入原始巖體微震信號(hào)時(shí)間序列x(n)導(dǎo)入原始巖體微震信號(hào)的時(shí)間序列x(n),n＝1,2,…,N，其中N為巖體微震信號(hào)的總采樣點(diǎn)數(shù)，取N＝4000～7000，巖體微震信號(hào)采樣頻率f＝4000～7000Hz；步驟2：EMD分解歸一化后的巖體微震信號(hào)；2.1采用公式x*(n)＝x(n)/|xmax(n)|歸一化處理原始巖體微震信號(hào)，其中x*(n)為歸一化后的巖體微震信號(hào)，|xmax(n)|為最大振幅的原始巖體微震信號(hào)的絕對(duì)值；2.2采用EMD分解(經(jīng)驗(yàn)?zāi)B(tài)分解)公式(1)對(duì)歸一化后的巖體微震信號(hào)進(jìn)行分解，得到本征模態(tài)分量IMFj；式中，x*(n)為歸一化后的巖體微震信號(hào)，IMFj為EMD分解得到的第j個(gè)本征模態(tài)分量，IMFj(n)為IMFj第n點(diǎn)的值，rm(n)為EMD分解得到的殘余項(xiàng)，m為本征模態(tài)分量的個(gè)數(shù)；步驟3：SVD分解得到特征矩陣奇異值σi(i＝1,2,…,r)3.1采用式(2)計(jì)算各個(gè)本征模態(tài)分量IMFj與歸一化后的巖體微震信號(hào)的相關(guān)系數(shù)co(j)，進(jìn)而根據(jù)相關(guān)系數(shù)co(j)的大小篩選得到主要本征模態(tài)分量；其中，3.2采用SVD分解公式(3)(奇異值分解)計(jì)算篩選后得到的本征模態(tài)分量構(gòu)成矩陣X＝[c1c2…cr]T的奇異值σi(i＝1,2,…,r)，其中，c1,c2,…,cr為篩選后得到的本征模態(tài)分量，r為篩選后得到的本征模態(tài)分量個(gè)數(shù)，T為矩陣的轉(zhuǎn)置；式中，U、V分別為r×r和N×N階的正交矩陣；S為r×N階的斜對(duì)角線矩陣，即其中，σ＝diag(σ1,σ2,…,σr)，是對(duì)角線元素為σ1,σ2,…,σr的對(duì)角矩陣；σi(i＝1,2,…,r)為矩陣X的奇異值，且σ1≥σ2≥…≥σr；步驟4：使用Logistic回歸模型計(jì)算信號(hào)為爆破振動(dòng)信號(hào)的概率p(Z)；分別選取巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的M組數(shù)據(jù)作為L(zhǎng)ogistic回歸模型的訓(xùn)練數(shù)據(jù)，將步驟3.2求得的σ1,σ2,…,σr作為巖體微震信號(hào)識(shí)別的自變量；Z作為巖體微震信號(hào)識(shí)別的因變量，設(shè)定Z＝1表示信號(hào)為爆破振動(dòng)信號(hào)，Z＝0表示信號(hào)為巖體破裂信號(hào)，使用最大似然估計(jì)法求得Logistic回歸模型的參數(shù)β0,β1,β2,…,βr；Logistic回歸模型為：p(Z)＝1/(1+exp(-Z))＝1/(1+exp(-(β0+β1·σ1+β2·σ2+…+βr·σr)))(4)其中，β0為常數(shù)項(xiàng)，β1,β2,…,βr為與自變量σ1,σ2,…,σr有關(guān)的參數(shù)；步驟5：根據(jù)p(Z)的大小識(shí)別巖體微震信號(hào)所述步驟3中，篩選相關(guān)系數(shù)co(j)≥0.03的本征模態(tài)分量作為主要本征模態(tài)分量。所述步驟3中，取p(Z)＝0.5作為L(zhǎng)ogistic回歸模型識(shí)別巖體微震信號(hào)的分界值，p(Z)>0.5識(shí)別為爆破振動(dòng)信號(hào)；p(Z)≤0.5識(shí)別為巖體破裂信號(hào)。所述步驟1中，巖體微震信號(hào)的總采樣點(diǎn)數(shù)N取為5000，采樣頻率f取為6000Hz。所述步驟4中，M取值為100。有益效果：本發(fā)明的一種巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的非線性識(shí)別方法，包括如下步驟：導(dǎo)入巖體微震信號(hào)的時(shí)間序列x(n),n＝1,2,…,N。設(shè)定巖體破裂信號(hào)標(biāo)識(shí)類別為0，爆破振動(dòng)信號(hào)標(biāo)識(shí)類別為1；EMD分解得到歸一化巖體微震信號(hào)的本征模態(tài)分量，并篩選得到主要本征模態(tài)分量c1,c2,…,cr。其中，r為篩選后本征模態(tài)分量的個(gè)數(shù)；SVD分解矩陣[c1c2…cr]T，得到其奇異值σi(i＝1,2,…,r)；Logistic模型計(jì)算爆破振動(dòng)信號(hào)的概率p(Z)。其中，p(Z)＝1/(1+exp(-Z))＝1/(1+exp(-(β0+β1·σ1+β2·σ2+…+βr·σr)))；識(shí)別巖體微震信號(hào)：p(Z)>0.5爆破振動(dòng)信號(hào)；p(Z)≤0.5巖體破裂信號(hào)。本發(fā)明借助EMD自適應(yīng)分解得到巖體微震信號(hào)的本征模態(tài)分量，使巖體微震信號(hào)具有了多尺度信息，再利用SVD對(duì)篩選后本征模態(tài)分量構(gòu)成的矩陣進(jìn)行分解，得到其奇異值，實(shí)現(xiàn)數(shù)據(jù)降維和特征提取，有效解決了單一時(shí)間尺度分析信息量較少的問題。經(jīng)驗(yàn)?zāi)B(tài)分解從信號(hào)自身局部特征出發(fā)進(jìn)行自適應(yīng)的時(shí)頻分解，是一種更有效的時(shí)頻局部化分析方法，且適用于非線性非平穩(wěn)信號(hào)的分析。此外，Logistic模型回歸能有效解決多參數(shù)間的非線性關(guān)系，使用簡(jiǎn)便，計(jì)算量小，使得分類識(shí)別具有較高的準(zhǔn)確率。此方法具有適用性強(qiáng)、準(zhǔn)確性高等特點(diǎn)。附圖說明圖1是本發(fā)明所述方法流程圖。圖2是巖體微震信號(hào)EMD分解過程圖。其中，(a)為原始巖體微震信號(hào)，(b)為歸一化巖體微震信號(hào)，(c)為EMD分解歸一化巖體微震信號(hào)得到的本征模態(tài)分量。圖3是各本征模態(tài)分量與歸一化巖體微震信號(hào)的相關(guān)系數(shù)圖。圖4是SVD分解篩選后得到的本征模態(tài)分量構(gòu)成矩陣得到的奇異值圖。圖5是EMD_SVD工程應(yīng)用得到的奇異值箱型圖。圖6是Logistic模型的訓(xùn)練和預(yù)測(cè)效果圖具體實(shí)施方式下面將結(jié)合附圖1～6，對(duì)本發(fā)明提出的一種巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的非線性識(shí)別方法作進(jìn)一步說明。本發(fā)明算法思想的描述如下：本發(fā)明借助EMD自適應(yīng)分解得到巖體微震信號(hào)的本征模態(tài)分量，使巖體微震信號(hào)具有了多尺度信息，再利用SVD對(duì)篩選后本征模態(tài)分量構(gòu)成的矩陣進(jìn)行分解，得到其奇異值，實(shí)現(xiàn)數(shù)據(jù)降維和特征提取，有效解決了單一時(shí)間尺度分析信息量較少的問題。此外，Logistic模型回歸能有效解決多參數(shù)間的非線性關(guān)系，使得分類識(shí)別具有較高的準(zhǔn)確率。步驟1：導(dǎo)入巖體微震信號(hào)時(shí)間序列x(n)導(dǎo)入巖體微震信號(hào)的時(shí)間序列x(n),n＝1,2,…,N，其中N為巖體微震信號(hào)的總采樣點(diǎn)數(shù)，取N＝4000～7000，巖體微震信號(hào)采樣頻率f＝4000～7000Hz；步驟2：EMD分解歸一化巖體微震信號(hào)x(n)采用公式x*(n)＝x(n)/|xmax(n)|歸一化處理巖體微震信號(hào)，其中x*(n)為歸一化后巖體微震信號(hào)，|xmax(j)|為原信號(hào)最大振幅的絕對(duì)值。再采用式(1)經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)對(duì)歸一化巖體微震信號(hào)進(jìn)行分解，得到本征模態(tài)分量IMFj；式中x*(n)為歸一化后的巖體微震信號(hào)，IMFj為EMD分解得到的第j個(gè)本征模態(tài)分量，IMFj(n)為IMFj第n點(diǎn)的值，rm(n)為EMD分解得到的殘余項(xiàng)，m為本征模態(tài)分量的個(gè)數(shù)。步驟3：SVD分解得到特征矩陣奇異值σi(i＝1,2,…,r)采用式(2)計(jì)算本征模態(tài)分量IMFj與歸一化信號(hào)的相關(guān)系數(shù)co(j)，進(jìn)而根據(jù)相關(guān)系數(shù)的大小篩選得到主要本征模態(tài)分量。其中，采用式(3)奇異值分解(SVD)計(jì)算篩選后本征模態(tài)分量構(gòu)成矩陣[c1c2…cr]T的奇異值σi(i＝1,2,…,r)。其中，c1,c2,…,cr為篩選后得到的本征模態(tài)分量，r為篩選后得到的本征模態(tài)分量個(gè)數(shù)，T為矩陣的轉(zhuǎn)置。式中X＝[c1c2…cr]T；U、V分別為r×r和N×N階的正交矩陣；S為r×N階的斜對(duì)角線矩陣，即其中，σ＝diag(σ1,σ2,…,σr)，σi(i＝1,2,…,r)為矩陣的奇異值，且σ1≥σ2≥L≥σr。步驟4：Logistic模型計(jì)算爆破振動(dòng)信號(hào)的概率p(Z)分別選取巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的M組數(shù)據(jù)作為L(zhǎng)ogistic回歸模型的訓(xùn)練數(shù)據(jù)，將步驟3.2求得的σ1,σ2,…,σr作為巖體微震信號(hào)識(shí)別的自變量；Z作為巖體微震信號(hào)識(shí)別的因變量，設(shè)定Z＝1表示信號(hào)為爆破振動(dòng)信號(hào)，Z＝0表示信號(hào)為巖體破裂信號(hào)，使用最大似然估計(jì)法求得Logistic回歸模型的參數(shù)β0,β1,β2,…,βr；Logistic回歸模型為：p(Z)＝1/(1+exp(-Z))＝1/(1+exp(-(β0+β1·σ1+β2·σ2+…+βr·σr)))(4)其中，β0為常數(shù)項(xiàng)，β1,β2,…,βr為與自變量σ1,σ2,…,σr有關(guān)的參數(shù)；步驟5：根據(jù)p(Z)識(shí)別巖體微震信號(hào)識(shí)別巖體微震信號(hào)：p(Z)>0.5為爆破振動(dòng)信號(hào)；p(Z)≤0.5為巖體破裂信號(hào)。實(shí)施例1：圖2是巖體微震信號(hào)EMD分解過程圖。其中，(a)為原始巖體微震信號(hào)，(b)為歸一化巖體微震信號(hào)，(c)為EMD分解歸一化巖體微震信號(hào)得到的本征模態(tài)分量。圖中巖體微震信號(hào)總采樣點(diǎn)數(shù)N＝5000，采樣頻率f＝6000Hz。由圖2(c)知?dú)w一化巖體微震信號(hào)EMD分解得到了7個(gè)本征模態(tài)分量IMFj(j＝1,2,…,7)，擴(kuò)大了信號(hào)的分析尺度，但增加了數(shù)據(jù)量，且可能存在虛假分量。圖3是各本征模態(tài)分量與歸一化巖體微震信號(hào)的相關(guān)系數(shù)圖。由圖3知IMF1～I(xiàn)MF3與歸一化信號(hào)的相關(guān)系數(shù)較大，IMF4～I(xiàn)MF7與歸一化信號(hào)的相關(guān)系數(shù)較小，且IMF7與歸一化信號(hào)的相關(guān)系數(shù)僅為0.02。由徐鋒等(2014)的研究成果-相關(guān)系數(shù)小于0.03的IMF分量即為虛假分量，可知選擇IMF1～I(xiàn)MF6作為主要本征模態(tài)分量是較為合理的。圖4是SVD分解篩選后得到的本征模態(tài)分量構(gòu)成矩陣得到的奇異值圖。由圖4知SVD分解降低了矩陣的維數(shù)，并實(shí)現(xiàn)了矩陣的特征提取。圖5是EMD_SVD工程應(yīng)用得到的奇異值箱型圖。巖體破裂信號(hào)類別標(biāo)識(shí)為0，爆破振動(dòng)信號(hào)類別標(biāo)識(shí)為1。工程應(yīng)用的200個(gè)巖體破裂信號(hào)和200個(gè)爆破振動(dòng)信號(hào)為開陽磷礦用沙壩礦IMS微震監(jiān)測(cè)系統(tǒng)中隨機(jī)抽取得到的每個(gè)微震事件中觸發(fā)最早的信號(hào)(每個(gè)微震事件包含多個(gè)微震信號(hào))。每個(gè)微震信號(hào)總采樣點(diǎn)數(shù)N＝5000，采樣頻率f＝6000Hz。由圖5知巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的奇異值σ1、σ2和σ3差異明顯，而σ4、σ5和σ6存在一定差異，但差異不明顯。鑒于很難找到一個(gè)或多個(gè)奇異值分界值識(shí)別巖體破裂信號(hào)與爆破振動(dòng)信號(hào)，本專利采用一種非線性方法展開識(shí)別—Logistic回歸法。圖6是Logistic模型的訓(xùn)練和預(yù)測(cè)效果圖。分別選取巖體破裂信號(hào)與爆破振動(dòng)信號(hào)的1～100組數(shù)據(jù)作為L(zhǎng)ogistic模型的訓(xùn)練數(shù)據(jù)，再分別選取101～200組數(shù)據(jù)作為L(zhǎng)ogistic模型的檢驗(yàn)數(shù)據(jù)。Logistic模型回歸得到爆破振動(dòng)信號(hào)的概率p(Z)＝1/(1+exp(-Z))＝1/(1+exp(-(8.459-0.777·σ1-0.198·σ2-0.359·σ3+0.027·σ4-0.186·σ5+2.171·σ6)))，進(jìn)而得到巖體微震信號(hào)的訓(xùn)練和檢驗(yàn)效果(圖6和表1)。為更直觀的理解本專利，將25個(gè)爆破振動(dòng)信號(hào)與巖體破裂信號(hào)的奇異值原始數(shù)據(jù)和預(yù)測(cè)結(jié)果分別匯于表2和表3。由圖6和表1知：Logistic模型的訓(xùn)練和預(yù)測(cè)效果均非常好，訓(xùn)練組準(zhǔn)確率達(dá)到了92.5％，檢驗(yàn)組準(zhǔn)確率達(dá)到了86.5％，整體準(zhǔn)確率達(dá)到了89.5％。可見，基于EMD_SVD和Logistic模型的特征提取和識(shí)別方法是一種非常有效的巖體微震識(shí)別方法。表1Logistic模型的訓(xùn)練和預(yù)測(cè)效果統(tǒng)計(jì)表表225組爆破振動(dòng)信號(hào)的奇異值原始數(shù)據(jù)和預(yù)測(cè)結(jié)果表325組巖體破裂信號(hào)的奇異值原始數(shù)據(jù)和預(yù)測(cè)結(jié)果以上所述僅為本發(fā)明的實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明精神和原則之內(nèi)，所作任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。