基于贝叶斯优化的CatBoost算法自动识别隧道微地震信号

摘要

微地震信号的自动识别对隧道的实时安全监测具有重要意义。然而，传统的微地震信号识别方法易受强环境噪声干扰及信号特征复杂性影响，导致识别准确率和鲁棒性不足。为此，提出了一种基于贝叶斯优化的CatBoost算法（BO-CatBoost）。首先，提取微地震信号的9个弱相关运动学与动力学特征，并引入奇异值分解（SVD）技术进行降维。然后，以最优化ROC曲线下的面积（AUC）为目标，利用贝叶斯优化方法对CatBoost算法的超参数进行智能调优。最后，将SVD处理后的特征样本作为BO-CatBoost的输入，以获得微地震信号自动识别模型。实验结果表明，BO-CatBoost在识别准确率与噪声鲁棒性方面均优于随机森林、极限学习机和支持向量机等传统方法。在不同施工工况下的实际隧道微地震数据集测试中，BO-CatBoost方法展现出良好的泛化能力与稳定性，证明其在隧道安全预警系统中的应用潜力与工程实用价值。

关键词

微地震信号 / 自动识别 / 贝叶斯优化 / CatBoost算法 / 微地震监测