文献

J-GLOBAL ID：201802212282799430   整理番号：18A1819125

WPD-SVDに基づく鉱山マイクロ地震信号特徴抽出および分類方法【JST・京大機械翻訳】

Feature Extraction and Classification of Mine Microseismic Signal Based on WPD-SVD

著者 (2件)： Yang Chen (武漢科技大学 資源与環境工程学院,湖北 武漢,430081) ,  Wu Jianxing (武漢科技大学 資源与環境工程学院,湖北 武漢,430081)
資料名： Kuangye Anquan yu Huanbao  (Kuangye Anquan yu Huanbao)
巻： 45  号： 3  ページ： 37-41  発行年： 2018年 
JST資料番号： C3399A  ISSN： 1008-4495  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 人工識別鉱山のマイクロ地震事件の仕事量を減少するため、ウェーブレットパケット分解(WPD)と特異値分解(SVD)に基づくマイクロ地震信号の特徴を抽出する方法を提案した。最初に,発破振動,岩盤破裂,機械的干渉,および電気干渉を含む4つの信号の4層ウェーブレットパケット分解を行い,次に,特異値分解を用いて,第4層ノードにおけるウェーブレットパケット係数構成行列の特異値を計算した。特異値を特性値として、16次元特徴ベクトルを構築し、サポートベクターマシン(SVM)を用いて400組の鉱山現場のマイクロ地震信号に対して訓練と分類を行った。研究結果により、発破振動、岩盤破裂と電気干渉信号と比べ、機械干渉信号の特異値の差異性が最大であり、SVMの分類精度は94.5%に達し、理想的な分類効果が得られた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  *特徴抽出 ,  サポートベクトルマシン ,  *地震 ,  岩盤 ,  特異値分解 ,  固有値 ,  *鉱山
準シソーラス用語： 分類精度 ,  特徴ベクトル ,  特異値 ,  ウェーブレットパケット ,  発破振動 ,  ウェーブレットパケット分解 ,  分類法 , 【Automatic Indexing@JST】

著者キーワード (5件)： mine ,  microseismic signal ,  wavelet packet decomposition ,  singular value decomposition ,  SVM

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： 鉱山 ,  地震 ,  特徴抽出 ,  分類方法