来源：期刊VIP网 时间：
作者：李典泽;许华杰;张勃;
单位：广西大学计算机与电子信息学院;广西电网有限责任公司桂林供电局;广西大学广西多媒体通信与网络技术重点实验室;
摘要：岩石破裂类型识别是实现煤矿冲击地压灾害预测和预警的重要前提。微震是岩石破裂监测的有效手段之一，但常规的微震信号机器学习方法存在特征提取能力有限，以及受噪声影响导致的准确率不高且泛化性较差等问题。针对上述问题，提出了一种基于微震信号深度特征学习的岩石破裂类型识别方法。首先，通过巴西圆盘劈裂试验和直剪试验分别获取张拉型破裂微震信号和剪切型破裂微震信号，并将其时频谱图、Log-Mel频谱图和梅尔频率倒谱系数合并构造微震信号聚合（MSA）声谱图；然后，通过加入多特征并行密集连接块（MP-DenseBlock）和压缩与激发过渡层（SE-TransLayer）的改进DenseNet(SE-MPDenseNet)对MSA声谱图进行深度特征提取；最后，将提取的特征向量输入至添加Hinge Loss损失函数的改进LightGBM(HBL-LightGBM)进行分类，识别岩石破裂类型。通过真三轴加载试验模拟接近地下工程实际环境中的冲击地压灾害，结果表明，所提方法对于岩石破裂类型识别的准确率达92.12%，且具有较强的特征提取能力和泛化能力。
关键词：岩石破裂类型;微震监测;深度学习;机器学习;声谱图
基金资助：国家自然科学基金项目（52169021）; 广西自然科学基金项目（2024JJA170106）
