19、人工智能在微震事件识别与矿山回填设计中的应用

人工智能在微震事件识别与矿山回填设计中的应用

1. 微震事件与噪声信号分类

在地下开采中，准确区分微震事件和爆破/噪声信号至关重要。研究提出了基于遗传编程（GP）算法的人工智能分类器。
- 数学模型
- 模型的主要数学表达式为：
[Y = F + 2\lg E + 2.90514\lg A + \lg M + 0.39283\times(1.79486\lg M + 7.39543)-7.14177 - N]
- 通过Sigmoid函数将其值转换到0到1之间：
[Y_0 = \frac{1}{1 + e^{-Y}}]
- 根据分类阈值0.5确定信号类型：
[
\text{Signal type} =
\begin{cases}
1 (\text{微震事件}) & Y_0 \geq 0.5 \
0 (\text{爆破/噪声信号}) & Y_0 < 0.5
\end{cases}
]
- 性能评估
- 采用混淆矩阵和四个指标评估分类器性能，包括分类准确率（ACC）、灵敏度（Sn）、特异度（Sp）和马修斯相关系数（MCC）。计算公式如下：
[Sn = \frac{TP}{TP + FN}]
[Sp = \frac{TN}{TN + FP}]
[MCC = \frac{TP \times TN - FP \times FN}{\sqrt{(TP + FP) \times (TP + FN) \times (TN + FP) \times (TN + FN