基于波形特征和决策树分类算法的岩体破裂信号识别

微震监测技术能够捕捉开采扰动下岩体响应信息，已被广泛应用于岩体稳定性分析与矿山安全生产管理。受矿山现场频繁生产活动的影响，微震监测系统能够捕捉到不同类型信号，导致噪音信号较多，无法及时有效地揭示开采扰动下岩体响应规律。本文依托阿舍勒铜矿微震监测，分析了微震系统采集典型信号波形参数特征的差异，提出了基于决策树分类算法的岩体破裂信号识别方法，并对其识别精度进行了对比分析。研究结果表明，电气噪音信号、爆破信号、机械振动信号、岩石破裂信号的持续时间、上升时间、振铃数、上升振铃数、最大振幅、主频等参数分布范围存在不同程度的重合，无法采用单一参数有效识别岩体破裂信号，消除噪音信号的影响。采用决策树分类算法构建岩体破裂信号识别模型，能够有效消除噪音信号的影响，识别准确率达97.8%,显著高于支持向量机(SVM)模型73.9%的准确率。研究成果对于快速圈定、预警岩体破坏高风险区域具有重要意义。