基于ST时频分析的地下厂房微震信号识别研究

利用S变换(S Transform,ST)分析地下厂房岩石破裂、爆破振动信号的频率特征,通过频带能量分布比例对其进行量化研究,并作为信号特征,建立基于遗传算法优化的BP神经网络模型,实现信号的准确分类。在白鹤滩水电站左岸地下厂房微震监测资料的基础上,通过MATLAB编制相应程序,对信号进行ST时频分解,并求解各子频段的能量分布比例。通过信号的频带能量分布特征,结合遗传算法优化的BP神经网络对400组地下厂房2类拾取信号进行训练,建立分类识别模型,并对100组测试信号进行分类预测。研究结果表明:岩石破裂与爆破振动信号表现出明显的频带能量分布差异;建立的基于遗传算法优化的BP神经网络模型能对2类信号进行有效识别,识别精度达98%,研究方法可为类似工程的微震监测波形识别模型的建立提供参考。