摘要
本发明提供一种短时小样本微震监测数据快速判识矿震事件方法,该方法包括:通过煤矿井下布置的微震监测系统采集短时小样本微震监测数据;对所采集的微震监测数据进行预处理形成矿震事件识别的原始数据集;利用所给出的一种改进的生成对抗神经网络(CTTS‑GAN)对原始数据集进行训练,生成高质量合成微震数据以扩充原始数据集;基于扩充后的微震监测数据集,通过CNN‑RNN地震检测器(CRED)模型可实现对矿震事件的快速识别。本发明有效解决了煤矿井下的微震数据所面临的小样本问题,极大提高了地震检测器(CRED)模型的判断准确性,适用于矿震事件的快速判识。
技术关键词
微震监测数据
地震检测器
生成对抗神经网络
序列
统计特征
样本
数据扩充方法
生成对抗网络
GAN模型
多尺度卷积核
波形
优化网络参数
煤矿井下
多头注意力机制
微震传感器
长短期记忆网络
训练集
特征值
更新模型参数
系统为您推荐了相关专利信息
需求预测方法
需求预测模型
指数平滑模型
ARIMA模型
时间序列模型
变量
滞后特征
时序数据预测方法
滑动窗口机制
数据解码器
手术室智能
手术场景
视频识别
监测方法
残差神经网络
花边机
花型图案
织物花型
客户反馈信息
故障根源分析