Resumen

Para mitigar los riesgos económicos y de seguridad durante la vida útil de una mina, se instala un sistema de monitoreo microsísmico en varias minas subterráneas. El paso básico para analizar con éxito esos datos microsísmicos es la correcta detección de varios tipos de eventos, especialmente los eventos de ruptura de la masa rocosa. El proceso de escaneo visual es una tarea que consume tiempo y requiere experiencia. Por lo tanto, aquí presentamos un nuevo método para la clasificación automática de señales microsísmicas basado en el Modelo de Mezcla Gaussiana-Modelo de Markov Oculto (GMM-HMM) utilizando solo características de coeficientes cepstrales de frecuencia de Mel (MFCC) extraídas de la forma de onda. Se describe la implementación detallada de nuestro método propuesto. El rendimiento de este método se prueba mediante su aplicación a eventos microsísmicos seleccionados de la Mina de Cobre Dongguashan (China). Se recopila un conjunto de datos que contiene un conjunto representativo de diferentes eventos microsísmicos, incluyendo

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Sistema de monitoreo microsísmico; Tipos de eventos; Ruptura de masa rocosa; Clasificación automática; Modelo de Mezcla Gaussiana-Modelo Oculto de Markov (GMM-HMM); Características de coeficientes cepstrales de frecuencia de Mel (MFCC)
• Keywords:Microseismic monitoring system; Event types; Rock mass rupture; Automatic classification; Gaussian Mixture Model-Hidden Markov Model (GMM-HMM); Mel-frequency cepstral coefficient (MFCC) features