摘要
本发明提供了一种矿震微震波形分类方法,所述方法通过利用改进版PhaseNet模型对矿震波形数据进行处理,以降低模型对时间的敏感性;再将处理后的数据通过短时傅里叶变换转换为时频图,作为输入供改进版AlexNet模型进行分类;本发明方法可用于爆破微震的快速识别和异常波形的自动发现,通过结合现有的PhaseNet和ALexNet,并加以改进,实现了自适应波形长度输入,自动化时频图转换,高精度事件类型判别。在拥有足够多的训练样本的情况下,针对微震和爆破识别准确率有望进一步提升。
技术关键词
波形分类方法
短时傅里叶变换
数据
标签
样本
迁移学习策略
上采样
参数
神经网络模型
噪声类
预测类别
注意力
序列
阶段
通道
检波器
图片
鲁棒性
系统为您推荐了相关专利信息
人工智能引擎
监控传感器状态
多路径通信方法
智能故障检测
监测方法
大语言模型
指令响应方法
注意力
数据
计算机程序产品
电力系统采集数据
分级保护方法
密钥管理服务器
Feistel结构
数据获取模块
盾构机
协同优化方法
协商机制
协同优化技术
调控技术
脱硫浆液
分析方法
注意力机制
景深
神经网络模型识别