Page 91 - 《应用声学）》2023年第5期
P. 91

第 42 卷 第 5 期     杨丽荣等： 基于局部线性嵌入的特征融合方法在岩石破裂状态分类的应用                                          983


                 图 15 中蓝色 * 型和红色 ◦ 型分别表示测试样                                   参 考 文        献
             本预测与实际类别。由图 15 可知：各域特征集经
             PSO-LSSVM 优化分类，只出现少数样本错分，而                          [1] 李核归, 张茹, 高明忠, 等. 岩石声发射技术研究进展 [J]. 地
                                                                   下空间与工程学报, 2013, 9(S1): 1794–1804.
             LLE 降维后得到的融合特征集经 PSO-LSSVM 优                          Li Hegui, Zhang Ru, Gao Mingzhong, et al. Advances in
             化后识别效果最理想，计算各阶段的分类识别率如                                technology of acoustic emission of rock[J]. Chinese Jour-
             表5所示。                                                 nal of Underground Space and Engineering, 2013, 9(S1):
                                                                   1794–1804.
                       表 5   不同特征的识别率比较                          [2] 彭一民. 岩石声发射技术的应用与进展 [J]. 地质科技情报,
                                                                   1989(4): 91–98.
              Tabel 5 Comparison of recognition rates of
                                                                   Peng Yimin. Application and progress of rock acoustic
              different features                                    emission technology[J]. Bulletin of Geological Science and
                                                                   Technology, 1989(4): 91–98.
                          第一    第二     第三    第四     总识           [3] 戴光. 声发射检测技术在中国——庆祝中国机械工程学会无
                特征类别
                          阶段    阶段     阶段    阶段     别率             损检测分会成立三十周年 [J]. 无损检测, 2008(7): 389–396.
                时域特征      0.84  0.84   0.88  0.80   0.84           Dai Guang. The development of acoustic emission testing
                频域特征      0.88  0.84   0.90  0.84  0.865           technologies in China—Celebration of 30 year anniversary
                融合特征      0.92  0.88   0.92  0.88   0.90           of ChSNDT[J]. Nondestructive Testing, 2008(7): 389–396.
                                                                 [4] 秦四清. 岩石声发射技术概论 [M]. 成都: 西南交通大学出版
                 对比时域特征、频域特征及融合两域特征的识                              社, 1993．
             别率，采用融合特征下的总识别率为90%，较单一的                            [5] 叶青霖. 基于 LabVIEW 的岩土声发射信号采集与信号源定
                                                                   位 [D]. 济南: 山东大学, 2016.
             时域特征识别提高了 6%，可知，使用LLE 算法对信                          [6] 贾锋泽. 基于 BP 神经网络的煤与瓦斯突出声发射监测仪的
             号的联合特征进行数据降维用于岩石破裂状态分                                 设计 [D]. 太原: 太原理工大学, 2013.
             类可以有效提高系统识别率。同时该方法可以将特                              [7] Ibrhim D, Khaled A, Firas H. On modeling of tool wear us-
                                                                   ing sensor fusion and polymonial classifiers[J]. Mechanical
             征中次要成分去掉，降低了特征向量的维数，大大减                               Systems and Signal Processing, 2009, 23(5): 1719–1729.
             少了后续训练及识别的时间，避免了 “维数灾难” 的                           [8] 刘开南, 冯新扬, 邵超. 一种面向图像分类的流形学习降维算
             发生。                                                   法 [J]. 计算机应用与软件, 2019, 36(8): 210–213, 229.
                                                                   Liu Kainan, Feng Xinyang, Shao Chao. A manifold learn-
                                                                   ing dimensionality reduction algorithm for image classi-
             6 结论                                                  fication[J]. Computer Applications and Software, 2019,
                                                                   36(8): 210–213, 229.
                 (1) 通过单轴压缩试验，计算红砂岩破裂失稳                          [9] Cheng Y, Hu G, Lu N, et al. Fault detection based on
             过程的应力值和应变值随时间变化的关系，得到不                                incremental locally linear embedding for satellite TX-I[J].
                                                                   Transactions of Nanjing University of Aeronautics and As-
             同砂岩失稳过程的应力应变曲线，通过比较分析，将                               tronautics, 2015, 32(6): 600–609.
             砂岩破裂失稳划分为 4 个阶段，并分析各阶段下岩                           [10] 刘杏芳, 郑晓东, 徐光成, 等. 基于 LLE 方法的地震属性特
             石内部状态变化，为预测砂岩破坏失稳提供依据。                                征提取技术及其应用 (英文)[J]. Applied Geophysics, 2010,
                                                                   7(4): 365–375, 400–401.
                 (2) 将构造的时、频域联合多维特征向量采用                            Liu Xingfang, Zheng Xiaodong, Xu Guangcheng, et al.
             PCA 方法和流形学习 LLE 算法进行特征约简，比                            Locally linear embedding-based seismic attribute extrac-
             较发现 LLE 算法降维后融合特征向量的聚类效果                              tion and applications[J]. Applied Geophysics, 2010, 7(4):
                                                                   365–375, 400–401.
             更好，样本错判漏判现象较少，且 LLE 算法降维后                          [11] 王玥. 基于多种降维方法的金融数据统计分析 [D]. 大连: 辽
             的融合特征的敏感度之和远大于PCA方法，表明该                               宁师范大学, 2019.
             融合特征更多地包含了原始信号的局部特征信息。                             [12] 李一鸣, 符世琛, 周俊莹, 等. 基于小波包熵和流形学习的垮
                                                                   落煤岩识别 [J]. 煤炭学报, 2017, 42(S2): 585–593.
                 (3) 利用粒子群优化最小二乘支持向量机算法                            Li Yiming, Fu Shichen, Zhou Junying, et al. Collapsing
             进行岩石破裂状态分类，比较分析基于粒子群改进                                coal-rock identification based on wavelet packet entropy
             的最小二乘支持向量机算法对单一特征与经 LLE                               and manifold learning[J]. Journal of China Coal Society,
                                                                   2017, 42(S2): 585–593.
             算法降维融合特征下的分类识别率，可以得出采用                             [13] 陈鹏飞, 赵荣珍, 彭斌, 等. 等距映射和局部线性嵌入算法集
             融合特征后的分类识别率显著提高且识别的效果                                 成的转子故障数据集降维方法 [J]. 振动与冲击, 2017, 36(6):
             明显要优于单一特征识别。表明，充分考虑多个域                                45–50, 156.
                                                                   Chen Pengfei, Zhao Rongzhen, Peng Bin, et al. Method
             特征向量之间相互制约和影响的关系相较于单一                                 for the dimension reduction of rotor fault data sets by us-
             特征向量，在岩石破裂状态分类方面具有更为准确                                ing ISOMAP and LLE[J]. Journal of Vibration and Shock,
             的预测结果。                                                2017, 36(6): 45–50, 156.
   86   87   88   89   90   91   92   93   94   95   96