电磁辐射作为一种有效监测技术已应用于冲击地压、煤与瓦斯突出等煤岩动力灾害监测预警，但因电磁信号产生机制复杂，易受井下环境干扰（干扰信号）而影响灾害危险监测预警准确性。准确辨识煤岩破裂诱发的电磁辐射信号（有效信号）是该技术应用推广的关键。开展了煤岩单轴压缩电磁辐射监测实验，分析了电磁辐射有效信号和干扰信号时域、频域及分形特征差异性，分别利用线性判别法、支持向量机和集成学习法等机器学习算法建立了电磁辐射有效信号和干扰信号智能辨识模型，并对比分析了不同模型的识别精度。结果表明：分形盒维数、平均频率、计数和峰值频率特征对电磁辐射有效信号和干扰信号区分较明显，单一特征识别准确率均在70%以上；信号特征集和机器学习算法对有效信号和干扰信号识别准确率均有影响，基于全部特征集的集成学习法识别准确率最高，对2类信号的平均识别准确率为95.4%，能够满足电磁辐射监测预警应用需求。

0引言
1实验研究
1.1 实验系统
1.2 试样制备
2 电磁辐射有效信号和干扰信号特征分析
2.1 样本采集
2.2时域特征
2.3 频域特征
2.4 分形特征
2.5信号特征区分准确性定量分析
3电磁辐射有效信号和干扰信号智能辨识
3.1 机器学习算法
3.2 信号智能辨识模型
4 结论

李保林,冯嘉琪,王恩元,等.基于机器学习的煤岩破裂诱发电磁辐射信号智能辨识研究[J/OL].工矿自动化,1-10[2024-09-30].https://doi.org/10.13272/j.issn.1671-251x.2024070019.