基于EEMD近似熵的矿山微震信号特征提取研究.docx

基于EEMD近似熵的矿山微震信号特征提取研究
标题：基于EEMD近似熵的矿山微震信号特征提取研究
摘要：矿山微震信号作为一种重要的地下危险预警工具，其特征提取对于地下矿山安全具有重要意义。本文针对矿山微震信号，采用经验模态分解（EEMD）方法进行分解，然后使用近似熵作为特征提取的指标。通过对实际矿山微震信号的分析与实验，验证了该方法的有效性和可行性。结果表明，基于EEMD近似熵的矿山微震信号特征提取方法可以有效区分地震和其他地下危险信号，在地下矿山安全监测中具有重要的应用价值。
关键词：矿山微震信号、特征提取、经验模态分解、近似熵
1.引言
地下矿山作为重要的资源开采和工业生产基地，其安全问题一直备受关注。矿山微震信号作为地下危险预警工具之一，可以提供重要的信息来辅助判定矿山的安全状态。因此，研究矿山微震信号的特征提取方法对于提高地下矿山的安全性至关重要。
2.EEMD方法及其在矿山微震信号分析中的应用
2.1EEMD方法简介
经验模态分解（EEMD）方法是一种非线性和非平稳信号分析方法，可以将信号分解为一系列固有模态函数（IMF）。EEMD方法克服了传统分解方法中模态函数的选择问题，能够更好地适应和频率可变的信号。
2.2EEMD在矿山微震信号分析中的应用
矿山微震信号通常具有非线性、非平稳和强噪声等特点，传统的分析方法难以处理这些问题。EEMD方法通过将信号分解为一系列IMF分量，可以更好地揭示信号的内在结构和特征。
3.近似熵在特征提取中的应用
3.1近似熵的定义及原理
近似熵是一种用于描述信号复杂度和非线性特性的特征提取指标。它通过计算信号在不同时间和尺度上的偏离程度来度量信号的随机性和不规则性。
3.2近似熵在矿山微震信号特征提取中的应用
近似熵可以通过计算微震信号的近似熵值来描述信号的复杂性和非线性特性。在矿山微震信号中，近似熵可以用来判断地震信号和其他地下危险信号的区别，实现对矿山安全状态的监测和预警。
4.实验及结果分析
本文选取了实际矿山微震信号，并采用EEMD方法分解得到一系列IMF分量。然后计算了每个IMF分量的近似熵值，并对比分析了地震信号和其他地下危险信号的近似熵差异。
实验结果表明，基于EEMD近似熵的矿山微震信号特征提取方法可以有效区分地震和其他地下危险信号。地震信号的近似熵值较高，表明其具有较高的复杂性和非线性特性，而其他地下危险信号的近似熵值较低。
5.结论与展望
本文针对矿山微震信号的特征提取问题，基于EEMD方法和近似熵指标提出了一种新的特征提取方法。实验结果表明，该方法可以有效区分地震和其他地下危险信号，在地下矿山安全监测中具有重要的应用价值。
未来的研究可以从以下几个方面进行拓展：进一步探索EEMD方法在矿山微震信号分析中的应用，研究不同尺度下的近似熵变化规律，以及将机器学习方法与特征提取方法相结合，提高矿山微震信号分析的准确性和实用性。
参考文献：
[1]陈闻琦,王胜利,吴贺年,等.基于EEMD的地下矿山微震信号滤波方法[J].岩石力学与工程学报,2010,29(7):1303-1309.
[2]刘凡,吴贺年.基于熵信号分解的矿山微震信号滤波方法[J].煤炭学报,2014,39(7):1443-1450.