Resumen

La discriminación automática de fracturas de roca y eventos de explosión es compleja y desafiante debido a las características similares de las formas de onda. Para resolver este problema, se ha propuesto en este artículo un nuevo método basado en el análisis de la complejidad de la señal y el aprendizaje automático. En primer lugar, se calculan los valores de entropía de permutación de las señales en diferentes factores de escala para reflejar la complejidad de las señales y se construyen en un conjunto de vectores de características. En segundo lugar, basándose en el conjunto de vectores de características, se aplica una red neuronal de retropropagación (BPNN) como medio de aprendizaje automático para establecer un discriminador de fracturas de roca y eventos de explosión. Luego, para evaluar el rendimiento de clasificación del nuevo método, se comparan las precisión de clasificación de la máquina de vectores de soporte (SVM), el clasificador bayesiano ingenuo y el nuevo método, y también se analizan las curvas de característica operativa del receptor (ROC).

• Materias:Matriz acústica Ingeniería subterránea Vibración longitudinal Transmisión dinámica Fallas de rodamientos
• Subjects:Acoustic array Underground engineering Longitudinal vibration Dynamic transmission Bearing failures
• Palabras claves:Fractura de roca; Eventos de explosión; Análisis de complejidad de señal; Aprendizaje automático; Entropía de permutación; Red neuronal de retropropagación
• Keywords:Rock fracture; Blast events; Signal complexity analysis; Machine learning; Permutation entropy; Back-propagation neural network