基于波形特征的矿山微震与爆破信号模式识别.pdf

中图分类号 U D C 硕士学位论文 学校代码 基于波形特征的矿山微震与爆破信号模式识别 P a t t e r nR e c o g n i t i o no fM i n eBl a s t sa n dM i c r o s e i s m i c E v e n t sB a s e do nW a v e f o r i l lF e a t u r e s 作者姓名 学科专业 研究方向 学院 系、所 指导教师 论文答辩日期 马举 矿业工程 采矿工程 资源与安全工程学院 赵国彦教授 答辩委员会主 中南大学 2 0 1 4 年5 月 万方数据 学位论文原创性声明 本人郑重声明，所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得 中南大学或其他教育机构的学位或证书而使用过的材料。与我共同工作的 同志对本研究所作的贡献均已在论文中作了明确的说明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 作者签名 卑日期年一月一日 学位论文版权使用授权书 本学位论文作者和指导教师完全了解中南大学有关保留、使用学位论 文的规定即学校有权保留并向国家有关部门或机构送交学位论文的复印 件和电子版；本人允许本学位论文被查阅和借阅；学校可以将本学位论文 的全部或部分内容编入有关数据库进行检索，可以采用复印、缩印或其它 手段保存和汇编本学位论文。 保密论文待解密后适应本声明。 作者签名导师签名 日期年一月一日 一 纬 万方数据 摘要 基于波形特征的矿山微震与爆破信号模式识别 摘要本文以基于波形特征的矿山微震与爆破信号模式识别为题，分别 通过标定爆破和人工识别的方式先后建立矿山微震和爆破信号数据库。 依据这两类数据库提取了七个波形特征参数。将波形特征参数与传统模 式识别方法中的F i s h e r 线性判别方法结合，建立了能够识别9 8 ％以上微 震事件和爆破事件的综合识别数学模型。具体研究成果及结论如下 1 以井下实测噪音信号为基础，统计分析了包括凿岩冲击、溜井 放矿、铲运机作业、电源干扰和风机振动在内的噪音信号波形特征特征。 2 通过跟踪记录井下爆破时间和位置并应用监测信号反演震源坐 标的方式，建立准确的爆破信号数据库，分析了该数据库内爆破信号的 波形特征和频谱特征，分析表明爆破信号在时窗范围内多由若干相似部 分重复出现构成；通过对用沙坝矿采场回采爆破信号的F F T 变换，确定 该类爆破波形的主频主要分布于6 0 , - 一2 0 0 I - I z 。 3 依据结论 1 和结论 2 ，对用沙坝矿微震监测数据内的背 景噪音信号和爆破信号进行排除，在剩余数据中依次通过主频分布验证、 毋／昂验证和B r u n e 模型验证建立了微震事件信号数据库。 4 对比数据库内两类信号的波形起振特征和波形相关特征，提取 出了七个可以识别微震信号和爆破信号的特征参数，依次为首次峰值 到时、首次峰值振动速度、首次峰值起振趋势线斜率和最大峰值到时、 最大峰值振动速度、最大峰值起振趋势线斜率及波形自相关系数。 5 将上述波形特征参数与F i s h e r 线性判别方法结合，建立了综合 万方数据 摘要 识别数学模型。该模型能够识别9 8 ％以上的爆破和微震事件，大大缩减 了人工识别工作量，对微震监测技术在矿山的推广应用具有重要意义。 关键词微震监测；波形特征；趋势线；模式识别 分类号P 3 1 5 万方数据 中南大学硕t 学位论文 P a t t e r nR e c o g n i t i o no fM i n eB l a s t sa n dM i c r o s e i s m i c E v e n t sB a s e do n “ 白v e f o r mF e a t u r e s A b s t r a c t T h i sp a p e ri sf o c u s e do np a R e r nr e c o g n i t i o no fm i n eb l a s t sa n d m i c r o s e i s m i ce v e n t sb a s e do nw a v e f o r mf e a t u r e s ．S i g n a ld a t a b a s e so fm i l l e b l a s t sa n dm i c r o s e i s m i ce v e n t sa r ee s t a b l i s h e dt h r o u g hc a l i b r a t i o nb l a s t i n g a n dm a n u a li d e n t i f i c a t i o n ．B a s e do nt h e s et w od a t a b a s e s ，s e v e nw a v e f o r m c h a r a c t e r i s t i cp a r a m e t e r sw e r ee x t r a c t e d ．B y a p p l y i n gt h e F i s h e rl i n e a r d i s c r i m i n a n tm e t h o dt ot h ew a v e f o r mc h a r a c t e r i s t i cp a r a m e t e r se x t r a c t e d ，a p a R e mr e c o g n i t i o nm o d e lt h a tc o u l dr e c o g n i z em o r et h a n9 8 ％m i c r o s e i s m i c e v e n t si se s t a b l i s h e d ．S p e c i f i cf i n d i n g sa n dc o n c l u s i o n sa r ea sf o l l o w s 1 T h ec h a r a c t e r i s t i c so ft h en o i s es i g n a l si n c l u d i n gt h ed r i l l i n g ，o r e p a s s a n do p e r a t i o n sa r es t a t i s t i c a la n a l y z e d ． 2 B yt r a c k i n gt h ep o s i t i o na n dt h er e c o r d i n gt i m e ，a na c c u r a t eb l a s t s i g n a ld a t a b a s ei se s t a b l i s h e d ．S p e c t r a lc h a r a c t e r i s t i c so ft h ew a v e f o r m c h a r a c t e r i s t i c so ft h ed a t a b a s ew i t h i nt h eb l a s t sa r ea n a l y z e d ．T h r o u g ht h e F F Tt r a n s f o r m ，t h ef r e q u e n c yo fs u c hb l a s tw a v ew h i c hl e s st h a n6 0 ～2 0 0 H z i Sd e t e r m i n e d ． 3 A c c o r d i n gt ot h ec o n c l u s i o n s 1 a n dc o n c l u s i o n 2 ，am i c r o s e i s m i c e v e n ts i g n a ld a t a b a s ei sb u i l tt h r o u g ht h ef r e q u e n c yd i s t r i b u t i o nv a l i d a t i o n ， t h eE s 雹Pv a l i d a t i o na n dt h eB r u n em o d ev a l i d a t i o n ． 4 B yc o m p a r i n gt h es t a r t i n g - u pf e a t u r e so ft h et w ot y p e so fs i g n a l s ， 万方数据 中南大学硕士学位论文A b s t r a c t s e v e nc h a r a c t e r i s t i cp a r a m e t e r st h a tc a ni d e n t i f ym i c r o s e i s m i ce v e n t sa n d b l a s t s t h ef i r s tp e a k ，t h ef i r s tp e a kv i b r a t i o nv e l o c i t y , t h es l o p eo ft h ef i r s t p e a ks t a r t i n g - u pt r e n dl i n ea n dt h em a x i m u mp e a k ，t h em a x i m u mp e a k v i b r a t i o nv e l o c i t y , t h es l o p eo fm a x i m u mp e a ks t a r t i n g - u pt r e n dl i n ea n d c o r r e l a t i o nc o e m c i e n t ．w a r ee x t r a c t e d ． 5 B yc o m b i n i n gt h ep a r a m e t e r so ft h ew a v e f o r mf e a t u r ew i t hF i s h e r l i n e a rd i s c r i m i n a n ta n a l y s i s ，am a t h e m a t i c a lm o d e lt h a ta b l et oi d e n t i f ym o r e t h a l l9 8 ％m i c r o s e i s m i ce v e n t si Se s t a b l i s h e d ． K e y w o r d s m i c r o s e i s m i cm o n i t o r i n g ；s i g n a lc h a r a c t e r i s t i c s ；t r e n dl i n e ； P a t t e r nR e c o g n i t i o n C l a s s i f i c a t i o n P 315 I v 万方数据 中南大学硕士学位论文目录 目录 1 绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 1 ．1 研究背景、目的与意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l 1 ．2 国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．4 1 ．2 ．1 特征提取研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 1 ．2 ．2 统计识别研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯8 1 ．3 技术路线与研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．9 1 ．3 ．1 本文的主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯9 1 ．4 ．1 本文技术路线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 0 2 人工识别数据库建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l l 2 ．1 用沙坝矿微震监测系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．1 l 2 ．2 噪音信号及无用数据排除⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一1 7 2 ．2 ．1 噪音信号排除⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 7 2 ．2 ．2 无用数据排除⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 8 2 ．3 人工识别与数据库建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 8 2 ．3 ．1 爆破信号数据库建立与信号特征分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1 8 ● 2 ．3 ．2 微震事件人工识别与数据库建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．2 6 2 ．4 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。3 4 3 波形特征参数提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3 5 3 ．1 首次峰值起振特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一3 5 3 ．1 ．1 首次峰值起振规律⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 5 3 。1 ．2 首次峰值到时及振动速度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 7 3 ．1 ．3 首次峰值起振趋势线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3 8 3 ．2 最大峰值起振特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．4 3 万方数据 中南大学硕士学位论文 目录 3 ．2 ．1 最大峰值到时及振动速度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4 3 3 ．2 ．2 最大峰值起振趋势线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．4 4 3 ．3 相关系数与相关特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．4 4 3 ．4 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．5 0 4 微震与爆破信号模式识别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5 1 4 ．1F I S H E R 线性判别方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。5 1 4 ．2 模式识别数学模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。5 4 4 ．3 识别效果检验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5 7 4 ．4 识别效果对比⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。5 8 4 ．5 识别实例测试⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。6 4 4 ．6 本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6 8 5 结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．7 0 5 ．1 结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．7 0 5 ．2 展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7 0 参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．7 2 攻读硕士学位期问发表的学术论文及成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7 7 致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．7 8 万方数据 中南大学硕士学位论文第1 章绪论 1 绪论 1 ．1 研究背景、目的与意义 微震是指由岩石破裂或流体扰动产生的微小震动，广义上可以分为工程生产引 发的微震 M i c r o s e i s m i c 和自然因素产生的微地震 M i c r o e a r t h q u a k e 【l j 。前者是 由人为生产导致岩石破裂产生的，如油田水利压裂、地下矿山生产、水电站坝体开 挖和露天矿边坡等。该类微震事件主要发生在裂隙或断层之类的断裂面上，通常在 里氏震级．3 ～3 之间，断裂范围l ～1 0m ；后者是由天然应力场的变化引起岩石破裂 或者岩浆、雨水等流体扰动引发孔压变化产生的，如火山喷发造成的微小地震【2 J 。 微震监测技术是通过分析生产活动所产生的微震事件来监测地下状态的地球物 理技术。由于该技术并非直接测定被监测岩体的应力、应变等基本力学参数，而是 通过微震震源定位确定其在受到应力和变形时的稳定性，因此相比于传统位移和应 力监测的方法，微震监测技术能够获知岩体内部微破裂分布及微破裂演化过程并反 映相邻区域内的岩体变形或位移。近年来，该技术在地下工程及岩体边坡工程领域 得到快速发展，广泛应用子矿山、隧道、石油和天然气及地热资源储藏库、核废料 处置室等地下构筑物和岩石边坡、超大桥墩及水坝等地表工程的稳定性监测，并在 油气和金属资源勘探开发中发挥越来越重要的最用。 2 0 世纪4 0 年代，美国矿务局曾提出应用微震方法探测煤矿井下冲击地压，但由 于当时所需仪器精度不高、价格昂贵且监测结果不明显而未能引起人们的足够重视。 澳大利亚联邦科学与工业研究院 C S l R O 从1 9 9 2 年开始对采矿诱发的微震现象进行 研究，发现在工作面连续推进过程中，其周围岩层的微震活动表现出一种规律化的 模式，即矿石回采过程中，矿体和围岩中的断层会受到采动或爆破振动的影响而被 激活，产生相应的运动，这种运动会影响到矿区整体的响应，以至于在远离工作面 几百米的区域也会发生微震活动。随着技术手段的提高和经验的积累，该机构初步 证明微震活动可在采场附近进行观测，并能对其进行比较精确的定量研究1 4 1 。 P Y o u n g 教授领导的英国K e e l e 大学应用地震实验室 A p p l i e dS e i s m o l o g y L a b o r a t o r y ，A S I 主要从事岩石力学方面的微地震基础应用研究。研究内容主要包括 震源力学、微地震成像及岩石力学。主要研究目的是揭示岩石在外界条件 如承载、 温度、渗流压力等 变化时裂纹初始结晶、凝聚接合及其扩展的机理，研究岩石宏 观损伤、破裂的监测技术。位于加拿大金斯敦的工程地震组织 E n g i n e e r i n gS e i s m o l o g y G r o u p ，E S G 的主要成员出自P Y o u n g 教授门下。该组织主要进行工程实际现场应用 研究。研究方向为岩石地下工程微地震系统的构建，微地震信号采集、处理及分析， 其编制的软件可以实时进行微地震事件定位。加拿大原子能公司为监测深部开挖引 万方数据 中南大学硕士学位论文第1 章绪论 发的大应力集中，防止其造成危害，采用了微地震监测技术，定量评定损伤程度， 并监测存放在地下的放射性核燃料扩散到周围地下水中的可能途径，以防造成污染。 为了保证置放核燃料的地下结构的稳定性 多年来，用微地震法监测矿山生产动态的研究在国际上一直很受重视。一些著 名科学家和重点实验室在这方面的研究中取得了重大进展。随着计算机技术的发展 和分析水平的提高，人们可利用计算机自动识别微地震信号，并实时给定震源空间 位置。这使得用微地震监测方法实时监测矿山生产动态再次成为备受关注的研究项 目。国际上提出了一些切实可行的微地震监测方法、计算机判别标准和实时定位理 论，取得了很好的应用结果。法国、巴西等国的部分区块都曾经进行了微地震监测 的现场实验。 在国内，随着矿山开采深度的日益增加，高应力作用诱发的采场顶板冒落及采 空区塌陷、深部岩体岩爆、露天边坡失稳等灾害频繁出现，严重制约国民经济建设 的发展。北京门头沟煤矿于上世纪八十年代首次展开矿山微震监测并取得了很好的 效果，随后，许多大的煤矿开始引进多通道微震监测系统用于对冲击压等灾害的预 报和防治。微震监测技术也被应用到红透山铜矿、冬瓜山铜矿、香炉山钨矿等大型 金属矿山，用于监测由于前期空场采矿形成的巨大采空区，预警顶板冒落或矿柱垮 塌等灾害。 由于金属矿山岩石破裂产生的微震活动与岩体的物理性质密切相关，同时决定 于裂缝的尺度和约束条件，因此研究微震活动周期与震级的关系及相应的微震震源 机制具有重要意义，国内学者窦林名、姜福兴、李庶林等对此做了大量研究。董陇 军等对微震震源定位方法进行研究，建立无需测速的微震震源定位理论，大大提高 了矿山微震监测定位精度和预警预报的准确度⋯叭。无论是煤矿或金属矿山抑或水电 边坡，建立适合这些工程实际的微震监测与分析系统，监测岩体结构对应力的响应， 获知矿区岩层微破裂的时空强演化行为，掌握岩体开挖过程中岩层扰动应力的变化 规律，是实现安全、高效、经济生产的重腑表1 ．1 列出了国内近年来部分微震监 测系统建立情况。 矿山微震监测主要是监测采区岩体在开挖时岩体破裂而产生的震动信号，通过 信号的分析与处理求解震源参数，分析微震事件的时空分布，以此评价岩体的稳定 性。整个过程的基础是微震监测信号的辨识，针对监测目标，剔除噪音、爆破等无 用信号，为岩体稳定性分析和地压灾害评价提供基础数据。目前，国内外应用微震 监测系统对岩体的稳定性进行监测已经根广泛，但是当这些系统在现场应用推广时， 都因遇到或多或少的问题而不被现场认可，这其中最主要的原因就是现场生产环 境较为复杂、噪声源多且杂、爆破影响较大，导致大量的背景噪音和无用数据与有 效的微震信息夹杂在一起，很难准确地甄别，以致难以提供直观的监测数据为现场 万方数据 中南大学硕士学位论文 第1 章绪论 生产服务，而传统的依靠人工手动、不精确的事件识别，使微震事件快速标定和微 震事件空间分布规律预测产生严重误差。 图l l 列出了开磷用沙坝矿每天各类信号平均数量占比，图中无用信号 R e j e c t e d d a t a - 噪音信号及传感器触发数量小于4 的事件信号 占到全部监测数据的一般以上， 在微震监测系统接收到的众多有用信号中，极易与微震事件信号混淆的则属爆破事 件，爆破信号数据量接近微震信号的三分一多，由于其频率分布与微震事件有大量 交集 图l 一2 ，单纯的频谱分析难以实现对该两类事件的识别。 表1 ．1 国内部分微震监测系统统计 万方数据 中南大学硕士学位论文第1 章绪论 l3 ．5 7 ％ 图1 - 1 井下各类信号单日数据量占比图 声发射研究 k 丝蕉婴壅 一 k 攫壁堡氢 ．垫蕉婴窒 一1o 1 工L _ l ●■_ _ _ 童●_ _ - ■ 图1 2 声发射、微震、爆破及地震事件频率范围 因此本文从波形变化特征入手，探寻能够区分微震与爆破的数学模型，研究目 包括 1 确定井下噪声源及其信号特点，准确排除监测数据中的背景噪音。 2 通过统计方法找出能够区分微震和爆破的若干波形参数，探索在频谱分析以外的能 够识别微震和爆破的有效途径。 3 对能够区分微震和爆破的参数进行分析，建立 能够识别绝大多数微震和爆破的数学模型，方便计算机程序进行自动模式识别。研 究意义对微震事件和爆破事件的自动有效识别，不仅将大大降低人工识别的时间 成本和经济费用，而且由于准确排除了背景噪音和爆破事件的干扰，因此能够精确 统计井下由于开采导致的岩体能量释放和转移，为预警矿山事故提供依据。 1 ．2 国内外研究现状 1 ．2 ．1 特征提取研究现状 1 波形特征研究 当前，在对矿山微震和爆破事件进行识别的领域，能够检索到的基于波形分析 4 万方数据 中南大学硕士学位论文第1 章绪论 的文献很少，还并未引起人们的足够重视，但在地震与核爆识信号别领域，国内外 均做了大量研究，该方法的研究内容及研究现状总结如下[ 3 1 - 3 5 】 1 波形复杂程度 设x C t 是记录到的随时间变化的地震波形，波形复杂程度C C o m p l e x i t yo f w a v e f o r m 的定义为 仕躲i t a t ”D J ，一r x ‘ 其中，在核爆地震识别应用中，通常采用的积分参数为L 5 s 和H 3 5 s 。 一般认为，从爆炸源辐射出的P 波比从天然地震的震源辐射出的P 波简单，尤 其是将台阵中不同台站的地震记录叠加在一起时，来自各台站下方的非均匀的、以 散射波为主要成分的尾波得到充分的压制，爆炸记录的简单性就更加明显。这是因 为核爆炸的能量主要集中在时间段的前部，整个波形相对天然地震而言较为简单， 所以上式中的分子部分较分母部分大得多，即波形复杂度C 较大；而天然地震各种 震相都存在，在时间段的前后部均有能量分布，均较复杂，所以整体较核爆波形复 杂。波形复杂度从一提出就认为是比较有效的识别特征，但由于后来接收到较复杂 的核爆炸地震波形，使得人们对波形复杂度这一特征判据产生怀疑。 2 自相关系数 波形相关的通俗解释，就是波形与波形的相似程度。自相关分析即为波形自己 某一时刻t 的x c 与另一时刻￡ f 的x t r 的相似程度，分析后得到自相关 函数。用自相关系数作为鉴别判据主要是因为该方法把随机变量x ￡ 与x t T 相乘，目的在于将它们中间的共性成分相乘，而共性成分相乘永远是带确定符号关 系的，而非共性成分相乘则随机地出现正负。 3 A R 模型舔数 由一个信号序列x c n 可建立一个相应的A R 模型，即 x t2 妒1 z c 一1 9 0 2 x t 一2 十⋯ q ‰施一n O t t2 g o i x t i 口t 1 2 智 其中妒1 ，妒2 ，⋯．‰．为根据信号序列x n 通过L e v i n s o n 法估计的A R 模型的n 个系 数，口￡表示在时刻￡满足正态分布的随机变量，其均值为0 。在核爆地震识别中， 通常计算7 个模型系数，并将每一个地震信号的7 个模型系数均用第一个系数进行 归一化，保留后6 个系数并构成模式向量用于识别。 4 短时平均过零率 对于连续信号而言，过零指信号通过零值，过零率就是指每秒内信号值通过零 值的次数。对离散时间序列，过零则是时间序列取零值改变符号，过零率则相当于 万方数据 中南大学硕士学位论文第1 章绪论 每秒序列内改变符号的次数。过零率可以作为序列频率的一种简单度量，尤其是对 于窄带信号。由于地震信号序列可近似看作是一类宽带的局部平稳信号序列，因而 可用短时平均过零率作为粗劣估计其频谱性质的参数。用短时平均过零率作为鉴别 依据，主要是考虑核爆是一种膨胀扩张源，天然地震源多为剪切错动源，核爆激发 出的波的能量密集，而且频率要比天然地震激发出的波的频率高。因而用短时平均 过零率作为鉴别依据是可行的。 2 频谱特征研究 信号包含信息，但它未脱离物质载体，而信息是可以脱离物质载体而独立存在 的。为了有效地获取信息，必须对信号进行分析与处理。信号分析最直接的意义在 于找出不同信号的特征，常采用的方法包括解析法或测试法等，通过对信号特征的 提取，掌握信号随时间或频率变化的规律。经典信号处理的发展主线如下图所示1 3 0 J 。 信号 系统 响应 时域 图1 - 3 经典信号处理的发展主线示意图 波形分析一般指的是对波形在时间域和幅值域里进行分析，即对各种物理量的 动态信号的幅值对时间为坐标的函数x c 在时间域r 内进行分析。通常测试记录 都是一维记录，总有一个数轴代表时间，而另一个数轴代表某种物理量的幅值，它 表示了动态信号的幅值和时间的关系。通过分析，给出各种量的幅值关系，如幅值 的大小、幅值对时间的分布，起始时间和结束时间、时间滞后、以及波形的畸变等。 早期的波形分析，只在波形的幅值上分析，例如计算波形的最大值、平均值、最小 值等，随后发展到对随机波形的波形复杂度分析、相关性分析等。 3 震源参数特征研究 ． 在多数情况下，岩体中节理的滑移或岩石的断裂都将导致以地震波的形式释放 能量。当前的微震监测系统能够记录到的主要震源参数列于表1 ．2 。由于爆破和微震 的震源机制不同，他们对应的震源参数也会有相应的区别。以地震能量为例，该参 数是指微震事件释放的总弹性能，一个微震事件释放的总能量占为P 波和s 波释放 的能量邱和凰之和。P 波能量与s 波能量是微震活动震源机制的一个重要标识。 一般情况下的大地震事件，S 波能量是P 波能量的1 0 ～3 0 倍。对于矿山微震事件， 不同矿山的E s ／E p 存在较大的而不同，但总体上微震事件的E s ／E p 均大于爆破事件。 6 或 二 万方数据 中南大学硕士学位论文第1 章绪论 V a l l e j o s 和m c k i n n o n 将逻辑回归和神经网络应用到微震和爆破事件识别中，列 举1 3 个通过波形获取的参数作为识别指标构建识别模型，建立了依靠逻辑回归和神 经网络方法的在非线性情况下进行分类的有效模型【4 l 】。但缺陷在于该方法讨论的模 型仅仅适用于建模的矿山，不同的矿山根据该矿山的历史监测数据建立模型，无法 在其他矿山推广使用，在新矿山或历史监测数据不完整的矿山无法使用。 M a l o v i e h k o 在B o o k e r 和T a l y o r 的研究基础之上将多元最大似然高斯分类应用到 微震事件和爆破事件的识别中，选取事件发生的时间，相邻重复波形相关系数，高 频与低频震源特征及辐射模式作为识别参数，在一个矿山的应用显示其中2 0 ％的微 震事件被重新归类为爆破事件[ 4 2 1 。该方法为矿山微震事件的识别提供了一个有效的 途径，但只是给出了建模方法的原理，识别模型的具体函数表达式没有报道，相邻 类似波形的定量描述是通过计算机波形的相关系数实现，缺陷在于工作量非常巨大 且工作对象为传感器，而每个事件就可以触发若干个传感器，这使得模型的推广难 度加大。 表1 - 2 微震震源参数及其描述 万方数据 中南大学硕士学位论文第1 章绪论 1 ．2 ．2 统计识别研究现状 模式识别诞生于2 0 世纪2 0 年代，随着计算机的出现和人工智能的兴起，模式 识别在6 0 年代初迅速发展成一门学科。但由于有限的计算能力，统计模式识别在当 时只用相对简单的技术来解决小规模的问题。自2 0 世纪8 0 年代以来，日益增加的 不同学科的交叉和结合，推动了统计模式识别迅速的发展，它的领域已拓展到许多 方面【3 2 。3 9 1 。 目前主流的技术包括统计模式识别、句法模式识别、模糊数学方法、人工智能 方法。这四类方法各有特点及应用范围，它们不能相互取代，只能共存，相互促进、 借鉴、渗透。一个较完善的识别系统很可能是综合利用上述各类识别方法的观点、 概念和技术而形成的。按照模式识别技术的计算过程，可以分为特征选择与特征提 取及识别模型建立。 1 特征选择与特征提取 设计模式识别系统，首先要用各种可能的手段对待识别对象的性质作各种测量， 并将这些测量值作为分类用的特征，并且在保证一定分类精度的前提下，减少特征 维数。该步骤即为特征提取，它是设计模式识别系统中较为困难的工作之一，也是 模式识别工作成败的一个关键。工程上的4 种特征选择方法分别是F i s h e r 比率法、 变化权重法、C o o m a n s 判据法和分布曲线法。其中F i s h e r 比率法是把D 维空间的样 本投影到一条直线上，形成一维空问，即把维数压缩到一维变化权重法和F i s h e r 比率法相似，用两类样本间和两类样本内的标准偏差的比值表征变量对分类的贡献； C o o m a n s 判据法计算工作量较小分布曲线法是利用样本数对于某一待征参数的分 8 万方数据 中南大学硕士学位论文第1 章绪论 布曲线来评价该特征参数。曲线覆盖面积重叠小者对分类的贡献大。 2 模式识别 模式识别技术理论较完善，方法也很多，现已形成了一个完整的体系，模式识别 的主要方法及优缺点总结如表l 所示。目前常用的模式识别方法有三大类模板匹 配方法，统计模式识别和句法模式识别。模板匹配模式识别是应用最早且最简单的 模式识别方法，它是是通过比较待识别模式和已有模式的相似程度来达到识别目的。 随着智能技术的发展，将统计模式识别和机器智能技术相融合进行识别形成了智能 模式识别。 表1 - 3 模式识别的主要方法 微震监测可以为矿山提供有关岩体应力和岩体稳定性的相关信息，通过分析微 震事件的位置，震级及能量等相关参数可以较好的了解岩体的响应。到目前为止， 研究识别矿山微震事件与爆破事件识别的文献较少，在矿山微震监测中，获取到的 主要参数直接或间接上与震源机制有关，如对P 波能量与S 波能量的比值，单轴震 级与三轴震级的关系，S 波拐角频率大小。在地震与化学爆炸领域依靠震源参数的识 别方法可以总结为震源参数多元统计分析，如多元最大似然高斯分类分析，线性 判别及人工智能判别等。 1 ．3 技术路线与研究内容 ’ 1 ．3 ．1 本文的主要研究内容 1 背景噪音震源类型确定与噪音信号波形特点分析。 2 微震和爆破信号数据库建立。 3 峰值起振趋势线斜率统计分析。 4 波形自相关系数统计分析。 9 万方数据 中南大学硕士学位论文 第1 章绪论 5 模式识别数学模型。 1 ．4 ．1 本文技术路线 本文首先根据井下实测噪音数据为基础，分析凿岩冲击、溜井放矿、风机振动、 铲运机作业等背景噪音波形特点，在监测数据中首先过滤掉噪音数据。之后以标定 爆破的方式建立确定的爆破事件波形人工数据库，并分析爆破事件的波形特征和频 谱特性。在监测数据中排除噪音和无用数据、依据爆破数据库分析结果再次去掉监 测数据中的爆破数据。由系统自带的频谱分析功能在剩余数据中确认出准确的微震 事件波形，建立可信的确定的微震事件波形数据库。 以人工建立的微震事件和爆破振动信号数据库为基础，统计分析两类信号在波 形起振变化和自相关性等方面的特征，建立基于这些参数的能够区分大多数微震和 爆破事件的数学模型，本文的研究技术路线如下图所示 微震监测数据 lII 背景噪音与无用数据爆破信号数据库微震信号数据库 叫首次峰值振动速度I’l 参数1I 一 P 波初至到首次峰值用时I I 参数2l 一首次峰值起振趋势线斜率l I 参数3i 叫鎏髯翟卜 叫最大峰值振动速度 l I 参数4l 叫 P 波初至到最大峰值用时 l l 参数5l 一帚大蜂僖韶据貉蚺纬斜盔II 寨特‘’ 叫瓣I ’l波形自相关系数l I 参数6 | F i s h e r 线性判别 I 综合识另I l 模犁I ． 图1 4本文技术路线示意图 万方数据 中南大学硕士学位论文 第2 章人工识别数据库建立 2 人工识别数据库建立 2 ．1 用沙坝矿微震监测系统 用沙坝矿位于贵州省开阳县金钟镇，是贵州开磷矿业有限责任公司主体矿山， 生产能力为2 0 0 多万吨／年。矿山地表标高 1 3 0 0 多米，目前已采深至8 4 0m 水平， 相对开采深度近6 0 0 m 。用沙坝矿从上世纪建矿以来，累计采出矿量数千万吨，为国 家的经济建设做出了重大贡献。但是，随着浅部资源开采完毕，矿山地压显现日益 严重。受多次开采扰动引起的应力场无序改变影响，矿山开采范围内岩层出现应力 集中，局部区域岩层潜能大，有可能成为潜在的应力集中释放区，并引发岩爆、大 面积岩层失稳与支护困难等问题，威胁井下开采安全与矿山正常生产。由于应力场 的复杂性，矿山井下高应力分布范围与位置大小不得而知，建立矿山地压动态实时 监测系统，获知矿山地压的实时状态，采取有效措施，对矿山生产指导与安全生产 具有重要的意义。 用沙坝矿微震监测传感器站网布置充分考虑了矿区工程地质、现有工程条 件和投资大小。重点监测范围包括主要断层和金阳