文献

J-GLOBAL ID：202002212066666979   整理番号：20A2411369

経験的ウェーブレット変換に基づく鉱山微震信号認識研究【JST・京大機械翻訳】

Research on mine microseismic signal recognition based on empirical wavelet transform

著者 (4件)： Wu Yiwen (江西理工大学,江西 gan州 341000) ,  Cheng Tiedong (江西理工大学,江西 gan州 341000) ,  Yi Qiwen (江西理工大学,江西 gan州 341000) ,  Zhao Kui (江西理工大学,江西 gan州 341000)
資料名： Kuangye Anquan yu Huanbao  (Kuangye Anquan yu Huanbao)
巻： 47  号： 4  ページ： 39-44  発行年： 2020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： 微小地震信号と発破振動信号の自動識別の困難さに照準を定めて,経験的ウェーブレット変換(EWT)に基づく鉱山微震信号認識方法を提案した。シミュレーション信号を用いてEWTと経験的モード分解(EMD)を比較し、EWT分解効果がEMDより優れ、またモードエイリアシング問題を低減できることが分かった。鉱山で実測した400組の発破振動と微震信号に対してEWT分解を行い、コンパクトサポート集合スペクトルの内固有モード成分を得て、相互情報量選別によりf1f7の7つの成分を得て、さらに成分f1f7を利用してHankel行列を構築した。各Hankel行列の特異値の平均値、平方平均平方根値、標準偏差を計算し、そして特徴量とする。サポートベクトルマシン(SVM)を用いて,微小地震と発破振動信号を分類した。結果は以下を示した。発破振動信号成分f1f7の特異値二乗平均平方根値と標準偏差は微震信号より大きく、成分f1f5の特異値平均値は微震信号より大きい。EWTHankelSVD特徴抽出法は,EWTSVDより優れていて,EWTHankelSVDに基づく分類精度は92.5%であった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  標準偏差 ,  特徴抽出 ,  スペクトル ,  微小地震 ,  相互情報量 ,  *鉱山 ,  実効値 ,  固有モード ,  *ウェーブレット変換 ,  サポートベクトルマシン
準シソーラス用語： 自動認識 ,  分類精度 ,  特異値 ,  経験的モード分解 , 【Automatic Indexing@JST】

分類 (4件)： 計算機シミュレーション  (JE11000H) ,  信号理論  (ND02020G) ,  システム設計・解析  (IA02030D) ,  数値計算  (JE02000J)

タイトルに関連する用語 (4件)： 経験 ,  ウェーブレット変換 ,  鉱山 ,  研究