利用复合特征对电磁辐射监测进行模式识别的冲击地压预测研究

如何从电磁辐射监测数据中预测冲击地压危险性,一直是冲击地压预测领域研究的重点。目前,运用较多的有临界指标法、综合指数法、指标变化偏差法等,但这些方法都只注重数据的表面变化,忽视了隐藏及蕴含在监测时序中许多有助于识别冲击地压危险的特征和有用信息,模式识别方法通过提取监测时序中的时域、频域及小波域特征构成复合特征向量,以欧氏距离测度作为类内类间可分离性判据对特征向量进行压缩变换,运用Fisher准则构造冲击危险性识别的模式识别器,识别器用压缩后的特征向量进行训练学习,得到识别器的结构参数:权向量和分界值(阈值)后,即可成为性能稳定的冲击地压危险性预测的模式识别系统,运用该系统就能实现对其他样本的预测识别。通过对检验样本的预测表明,预测精度要优于临界指标法等传统预测方法。