基于Mel频谱和LSTM-DCNN的矿山微震信号混合识别模型 |
| |
引用本文: | 赵永,焦诗卉,赵乾百.基于Mel频谱和LSTM-DCNN的矿山微震信号混合识别模型[J].东北大学学报(自然科学版),2023(10):1481-1489. |
| |
作者姓名: | 赵永 焦诗卉 赵乾百 |
| |
作者单位: | 东北大学资源与土木工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(52004052);;中央高校基本科研业务费专项资金资助项目(N2101027); |
| |
摘 要: | 微震监测是保证矿山安全生产的有效手段,微震信号识别精度直接影响着微震事件的判定及分析结果.鉴于此,以夏甸金矿微震监测数据作为样本,建立了基于Mel频谱和长短时记忆(long short-term memory, LSTM)神经网络与深度卷积神经网络(deep convolutional neural networks, DCNN)混合的矿山微震信号识别模型.首先对监测信号进行预处理,利用Mel时频谱降低干扰频段的权重并减小样本尺寸.然后利用LSTM和DCNN模型分别提取信号的时间特征及空间特征.通过多种模型的对比分析,结果表明本文提出的Mel-LSTM-DCNN混合模型对微震信号识别准确率最高.该模型为矿山准确识别微震信号提供参考.
|
关 键 词: | 神经网络 深度学习 信号识别 微震监测 Mel频谱 |
|
|