[发明专利]一种矿震灾害判别及信号重构方法

说明书

本发明公开了一种矿震灾害判别及信号重构方法，包括如下步骤：利用边缘计算服务器通过高速以太网从监测区域的分布式矿震监测节点中接收矿震数据；将矿震数据表示成稀疏矩阵；稀疏矩阵经过多重神经网络模型进行训练并对灾害结果进行判别；通过改进的稀疏度自适应匹配追踪算法对矿震信号进行重构。本发明将矿震监测及反演方法结合深度学习技术，可以大大降低监测环境中各种干扰的影响，提高矿震灾害判别及原始矿震信号重构精度，使反演结果更准确。

技术领域

本发明涉及煤矿井下矿震信号提取与处理领域，具体涉及一种矿震灾害判别及信号重构方法。

背景技术

近年来，矿震监测技术成为多个领域专家、学者研究的热点课题。矿震监测技术不但是保障矿山安全生产的重要措施，还可以结合地震学、地质学、机械学等多个领域、多种学科进行矿压、围岩应力、矿山水文、机械振动等方面的监测，从而可以进行煤与瓦斯突出预测、物矿勘探、设备检修、无损探伤等很多方面的应用。但是现有的矿震监测技术容易受到监测环境中各种干扰的影响，使得反演结果准确度较低。

发明内容

发明目的：为了克服现有技术中存在的不足，把矿震监测技术与传感器网络相结合，通过深度学习的神经网络进行无监督的学习，训练出灾害判别模型，及时发现隐患，对矿区安全生产开发提供有效的指导，实现全方位、同步、智能化的监测，提供一种能够提高矿震灾害判别及原始矿震信息重构精度，使反演结果更准确的震灾害判别及信号重构方法。

技术方案：为实现上述目的，本发明提供一种矿震灾害判别及信号重构方法，包括如下步骤：

1)利用边缘计算服务器通过高速以太网从监测区域的分布式矿震监测节点中接收矿震数据；

2)将矿震数据表示成稀疏矩阵；

3)稀疏矩阵经过多重神经网络模型进行训练并对灾害结果进行判别；

4)通过改进的稀疏度自适应匹配追踪算法对矿震信号进行重构。

进一步地，所述步骤1中分布式矿震监测节点通过高速以太网连结并运行IEEE1588时间同步协议，矿震数据中加入时间戳保证矿震数据的时间一致性。

进一步地，所述步骤2中稀疏矩阵的表示方法为：将矿震数据根据同步时间差进行分组、部分丢弃并置零处理，处理后的数据表示成稀疏矩阵，即：

其中，是矿震数据，θ_j为信号的系数向量。

进一步地，所述步骤3中多重神经网络模型包含卷积网络和抗噪自动编码网络，其中卷积网络用于对稀疏矩阵数据进行特征提取，抗噪自动编码网络用于输出用于与专家系统进行灾害判别的训练结果，即：

x_j(x_j∈[0，1])，经过输入层到达中间层，信号变为y，可以用如下公式表示：

f(x)＝g(wx+b) (1)

上式(1)中，g(·)是非线性函数，w是输入层到中间层的链接权值，b为中间层的bias，信号f(x)经过解码层解码，输出到n个神经元的输出层，信号如下公式：

h(x)g(w＇x+b＇) (2)

上式(2)中，g(·)是非线性函数，w′是中间层到输出层的链接权值，b′为输出层的bias，h(x)被当作是x的预测。

进一步地，所述步骤4中用于对矿震信号进行重构的改进稀疏度自适应匹配追踪算法的具体步骤为：