论文部分内容阅读
矿山微震是因为人类的采矿行为而导致的矿山煤岩体迅速破裂的动力学现象,对于矿井的安全生产造成了巨大的威胁,因此如何快速找到震源位置并采取相应措施是非常重要的。本文将搜索引擎技术引入到微震震源定位中,这种方法完全不同于传统的微震定位方法,运用了一种新的方法来快速确定微震的位置和震源机制。在波形数据库中检索到与新输入的波形非常相似的波形,则新输入波形的震源位置即为波形库中与其非常相似波形的微震事件发生的位置。最为经典的最近邻搜索算法是局部敏感哈希算法(Location Sensitive Hash,简称为LSH)。LSH有着严格的理论证明,从而可以实现更加快速准确的震源定位。本文利用基于P稳定分布的局部敏感哈希搜索引擎模型对实验数据和实测数据进行震源定位,为了提高LSH的召回率和定位结果,采用了优化哈希函数的方法-数据导向型LSH和multi-probe LSH相结合的方法对数据库进行检索。主要研究内容如下:(1)阐述了煤矿岩层微震信号产生的原理以及煤岩体发生微震事件的原因。介绍了煤岩层微震信号的传播特性,并讲述了识别P波和S波的方法,阐述了传统的微震定位算法的原理及单纯形法。(2)进行微震搜索引擎结构设计。介绍了煤矿微震监测系统平台,并得到煤矿微震波形数据及震源位置等信息。由于煤矿井下复杂的环境使得采集到信号含有噪声,使用EEMD联合小波去噪对煤矿微震信号进行了降噪处理。搭建了试验微震模型,然后利用DHDAS动态采集系统对微震模型进行了加速度信号采集。搜索引擎数据库的准备和建立,对去噪和截取之后的实测波形数据与对应震源位置建立实测波形数据库和对截取之后的实验波形数据和对应震源位置建立实验波形数据库。介绍了基于P稳定分布的LSH结构和数学模型并在此基础上进行改进,得到优化后的算法—multi-probe LSH。其次根据微震数据的特性,建立了multi-probe LSH的微震定位模型,并讨论了哈希表个数、哈希函数族维度、区间大小对LSH微震定位模型的影响,确定了LSH的参数,最后,对实验微震数据及实测煤矿微震数据进行定位。(3)进行改进的multi-probe LSH微震搜索引擎模型设计。针对multi-probe LSH随机选取哈希函数的投影向量会造成召回率不高、检索结果准确度不够高等问题,采用PCA算法来确定投影向量,并介绍了改进multi-probe LSH的结构和数学模型,建立了改进multi-probe LSH的微震定位模型,改进的方法增大了召回率,检索得到更为精确的定位结果。