基于改进LeNet5卷积神经网络的微震监测波形识别与过程解释

在微震大数据时代背景下,开发高精度、可解释、适应性强的波形自动分类算法变得越来越重要。针对现有网络波形识别和分类的不足,基于LeNet框架提出了一种适用于微震监测波形识别的改进模型。应用改进后的模型对引汉济渭工程8个月内出现的13种微震监测信号进行了研究。结果表明,改进模型中最佳框架的精度为0.98,比原模型提高了0.10。所有改进模型的平均精确度、召回率和F1值分别提高了0.11、0.12和0.12。同时,改进后的模型可以对整个波形的识别过程可视化。在某些信号类别中,改进的模型主要通过关注背景信息而不是波形来分类,为微震监测工程中信号的智能分类提供了参考。