一种矿山微震监测数据自适应自动分类方法及装置与流程

本发明涉及信号分类，尤其涉及一种矿山微震监测数据自适应自动分类方法及装置。

背景技术：

1、传统矿山微震监测数据自适应自动分类方法采用波峰识别方式分类微震数据和工况爆破数据，依赖数据不同通道间倒时差和时频域相关性分类振动数据和工况电噪声。

2、上述方法难以同时兼顾不同工况环境下微震/爆破数据的分类需求，需人工调整参数以适应工况变化，且受限于数据各通道到时拾取精度。

技术实现思路

1、有鉴于此，本发明的目的是为了克服现有技术中的不足，提供一种矿山微震监测数据自适应自动分类方法及装置。

2、本发明提供如下技术方案：

3、第一方面，本公开实施例中提供了一种矿山微震监测数据自适应自动分类方法，应用于矿山微震监测数据自适应自动分类模型，所述方法包括:

4、获取矿山微震监测数据，对所述矿山微震监测数据进行短时傅里叶变换，得到时频域特征，并采用时域多尺度卷积网络提取所述时频域特征的多尺度时频域信息；

5、采用多尺度水平池化在频域上提取所述矿山微震监测数据的频域能量分布特征；

6、在时域上建立自注意力序列模型，根据所述自注意力序列模型提取所述矿山微震监测数据的时域序列特征；

7、根据所述频域能量分布特征和所述时域序列特征，计算所述矿山微震监测数据中的多传感器聚合特征；

8、利用多层感知机对所述多传感器聚合特征进行分类，并采用特征匹配方法对多传感器聚合特征进行正负样本约束，得到所述矿山微震监测数据的分类结果。

9、可选地，所述对所述矿山微震监测数据进行短时傅里叶变换，得到时频域特征，并采用时域多尺度卷积网络提取所述时频域特征的多尺度时频域信息，包括：

10、获取预设项数参数与预设窗长参数，根据所述预设项数参数与所述预设窗长参数对所述矿山微震监测数据进行短时傅里叶变换，得到初始时频域特征；

11、将所述初始时频域特征中的正频率分量作为所述时频域特征，并利用所述时域多尺度卷积网络提取所述时频域特征的多尺度时频域信息。

12、可选地，所述采用多尺度水平池化在频域上提取所述矿山微震监测数据的频域能量分布特征，包括：

13、对所述多尺度时频域信息在频率维度上进行多尺度水平池化，得到多个下采样特征图；

14、将各所述下采样特征图沿频率维度进行拼接，得到所述矿山微震监测数据的频域能量分布特征。

15、可选地，所述根据所述自注意力序列模型提取所述矿山微震监测数据的时域序列特征，包括：

16、对所述自注意力序列模型与所述频域能量分布特征进行池化，得到所述自注意力序列模型与所述频域能量分布特征在最后频率维度上的自注意力序列模型池化结果与频域能量分布特征池化结果；

17、将所述自注意力序列模型池化结果与所述频域能量分布特征池化结果进行拼接，得到所述矿山微震监测数据的时域序列特征。

18、可选地，所述根据所述频域能量分布特征和所述时域序列特征，计算所述矿山微震监测数据中的多传感器聚合特征，包括：

19、对所述频域能量分布特征与所述时域序列特征进行多传感器特征提取，得到特征向量；

20、对所述特征向量在传感器维度上进行池化，得到所述多传感器聚合特征。

21、可选地，所述利用多层感知机对所述多传感器聚合特征进行分类，并采用特征匹配方法对多传感器聚合特征进行正负样本约束，得到所述矿山微震监测数据的分类结果，包括：

22、对所述多传感器聚合特征进行预处理与正负样本约束，得到优化多传感器聚合特征，并将所述优化多传感器聚合特征输入至所述多层感知机进行分类；

23、利用激活函数将所述多层感知机的输出结果转换为概率分布，根据所述概率分布得到所述分类结果。

24、可选地，所述矿山微震监测数据自适应自动分类方法还包括：

25、获取所述矿山微震监测数据的种类标签向量，对所述种类标签向量进行短时傅里叶变换，得到标签向量；

26、计算所述分类结果与所述标签向量之间的交叉熵损失，将所述交叉熵损失作为特征分类损失；

27、获取所述矿山微震监测数据的同类别数据与异类别数据，基于所述多尺度时频域信息、所述频域能量分布特征、所述时域序列特征与所述多传感器聚合特征计算所述矿山微震监测数据、所述同类别数据与所述异类别数据的三元组损失，将所述三元组损失作为特征匹配损失；

28、根据所述特征分类损失与所述特征匹配损失对所述矿山微震监测数据自适应自动分类模型进行联合约束。

29、第二方面，本公开实施例中提供了一种矿山微震监测数据自适应自动分类装置，应用于矿山微震监测数据自适应自动分类模型，所述装置包括：

30、浅层特征提取模块，用于获取矿山微震监测数据，对所述矿山微震监测数据进行短时傅里叶变换，得到时频域特征，并采用时域多尺度卷积网络提取所述时频域特征的多尺度时频域信息；

31、频域能量分布特征提取模块，用于采用多尺度水平池化在频域上提取所述矿山微震监测数据的频域能量分布特征；

32、时域序列特征提取模块，在时域上建立自注意力序列模型，根据所述自注意力序列模型提取所述矿山微震监测数据的时域序列特征；

33、多通道聚合特征计算模块，用于根据所述频域能量分布特征和所述时域序列特征，计算所述矿山微震监测数据中的多传感器聚合特征；

34、分类模块，用于利用多层感知机对所述多传感器聚合特征进行分类，并采用特征匹配方法对多传感器聚合特征进行正负样本约束，得到所述矿山微震监测数据的分类结果。

35、本申请的有益效果：

36、本申请实施例提供的矿山微震监测数据自适应自动分类方法，方法包括：获取矿山微震监测数据，对所述矿山微震监测数据进行短时傅里叶变换，得到时频域特征，并采用时域多尺度卷积网络提取所述时频域特征的多尺度时频域信息；采用多尺度水平池化在频域上提取所述矿山微震监测数据的频域能量分布特征；在时域上建立自注意力序列模型，根据所述自注意力序列模型提取所述矿山微震监测数据的时域序列特征；根据所述频域能量分布特征和所述时域序列特征，计算所述矿山微震监测数据中的多传感器聚合特征；利用多层感知机对所述多传感器聚合特征进行分类，并采用特征匹配方法对多传感器聚合特征进行正负样本约束，得到所述矿山微震监测数据的分类结果。本申请能够提高数据处理的时效性和准确性，实现特征的有效提取和融合，提高分类结果的准确性和可靠性。

37、为使本发明的上述目的、特征和优点能更明显和易懂，下文特举较佳实施例，并配合所附附图，做详细说明如下。

1.一种矿山微震监测数据自适应自动分类方法，其特征在于，应用于矿山微震监测数据自适应自动分类模型，所述方法包括：

2.根据权利要求1所述的矿山微震监测数据自适应自动分类方法，其特征在于，所述对所述矿山微震监测数据进行短时傅里叶变换，得到时频域特征，并采用时域多尺度卷积网络提取所述时频域特征的多尺度时频域信息，包括：

3.根据权利要求1所述的矿山微震监测数据自适应自动分类方法，其特征在于，所述采用多尺度水平池化在频域上提取所述矿山微震监测数据的频域能量分布特征，包括：

4.根据权利要求1所述的矿山微震监测数据自适应自动分类方法，其特征在于，所述根据所述自注意力序列模型提取所述矿山微震监测数据的时域序列特征，包括：

5.根据权利要求1所述的矿山微震监测数据自适应自动分类方法，其特征在于，所述根据所述频域能量分布特征和所述时域序列特征，计算所述矿山微震监测数据中的多传感器聚合特征，包括：

6.根据权利要求1所述的矿山微震监测数据自适应自动分类方法，其特征在于，所述利用多层感知机对所述多传感器聚合特征进行分类，并采用特征匹配方法对多传感器聚合特征进行正负样本约束，得到所述矿山微震监测数据的分类结果，包括：

7.根据权利要求1所述的矿山微震监测数据自适应自动分类方法，其特征在于，所述方法还包括：

8.一种矿山微震监测数据自适应自动分类装置，其特征在于，应用于矿山微震监测数据自适应自动分类模型，所述装置包括：