基于支持向量机的矿山微震波形识别和分类研究

摘要

为了对微震监测系统每天采集到的大量波形数据进行识别和分类,建立了一个基于支持向量机并具有智能学习功能的波形自动分类器模型。通过对某段时间采集的波形进行人工分析,得到相关特征参数,包括频率、最大幅值、释放总能量、持续时间、触发时间、测试感知率等信息,结合经验与理论的分析方法区分判断该波形的类别,利用这些已经人为判定的波形类别和特征参数对支持向量机分类器进行训练、优化,最后得到最优的分类器模型参数。结果表明该分类器能够将微震波形进行良好的分类处理。