基于改进DCNN法的微震信号自动识别模型及应用

为精准识别矿山微震信号，采用改进深度卷积神经网络（DCNN）法，通过傅里叶变换得到的频谱图叠加原始图像的空间域图作为微震信号的识别对象，提出了一种基于改进DCNN法的微震信号自动识别与分类模型，建立了某铅锌矿的IMS微震监测信号数据库的训练集、验证集和测试集，并通过实际工程数据验证了方法的可靠性。结果表明：利用频谱图和空间域图在BGR通道上堆叠的特征值作为DCNN输入的方法，构建的微震信号自动识别模型精度更高且泛化能力更强，该模型能够高效地提取微震信号特征；采用F1值、ROC曲线和AUC值3种性能度量进行评价，验证了改进方法的可行性、有效性和可靠性。