基于多模态优化和集成学习的微震信号识别方法

摘要

本发明公开了基于多模态优化和集成学习的微震信号识别方法，实现对微震信号的分类，从而完成对冲击地压灾害更加准确、及时的预警。首先，根据微震训练样本集的非平衡率，确定采样倍率，实现基于SMOTE的小类样本生成；其次，采用放回采样方式，进行多次抽取，得到多个子训练样本集，并在每个子训练样本集上训练多个弱分类器；再次，根据每个子训练样本集上的分类结果，选择分类性能最优的个体作为最终的集成个体；最后，采用多模态优化技术，去除冗余的集成弱分类器个体，选择最优弱分类器组合参与集成。本发明充分考虑微震信号的非平衡特性，利用多模态优化技术对弱分类器个体进行选择，寻找部分具有差异性大的个体参与集成，减少冗余个体对集成学习器性能的影响，提高了微震信号的分类正确率，为冲击地压灾害及时有效预警提供更有力的支持。