冲击地压是一种典型的煤矿动力灾害,严重威胁煤矿的高效生产和人员安全。因此,冲击地压灾害的预防与预警至关重要。微震监测技术作为一种间接、实时、无损的地球物理监测方法,在矿山冲击地压、水害防治和边坡变形等工程中得到广泛应用。目前,通过连续监测矿山微震,是实现冲击地压预警的较为有效手段。在微震监测中,波形识别是数据处理的基础,震源位置是监测中需要确定的最关键的参数之一。然而,矿山微震波形受背景噪音、机械振动等因素干扰,信号复杂,已有识别系统和定位方法效果有限。如何提高微震波形的识别效果和震源定位的精度,是目前亟需解决的问题。本文一方面结合领域知识和数据的非平衡特性,从算法层面研究微震波形的非平衡识别问题;另一方面,充分考虑参与定位的通道个数对定位精度的显著影响,深入研究震源的反演定位方法。本文的主要研究工作如下:(1)针对多通道微震波形数据识别问题,提出一种融合知识的微震波形SMOTE识别方法,实现对微震波形的分类。首先,对源于SOS微震监测系统的微震数据进行预处理,构建基于时窗能量知识的多通道微震信号数据集;其次,根据时间窗内微震检波探测器所采集的微震波形方差,确定波形之间的空间相关性,构建基于空间机理知识的非平衡微震波形数据集;再次,根据波形数据集的非平衡率,确定过采样倍率,实现基于SMOTE的少数类数据生成;最后,采用两层Stacking集成学习结构,实现融合知识的微震波形分类器学习。实验结果表明所提融合知识的识别方法要优于基于特征提取的识别方法。(2)针对微震波形数据的非平衡特性,提出了一种基于双层进化集成学习的非平衡数据分类方法。在内层集成模型中,通过扩展基分类器类型,增加基分类器之间的差异性,并采用网格搜索对基分类器参数进行优化。由于基分类器个数对模型分类精度和计算代价有显著影响,所以在外层集成模型中,设计了一种基于小生境策略的多模态遗传算法,从分类性能的角度寻找基分类器的所有最优组合,最终获得分类性能最佳且基分类器个数最少的集成结构。实验证明所提算法性能稳定,优于其他集成学习方法。(3)针对震源定位问题,提出一种基于多目标粒子群-模拟退火混合算法的多目标震源定位方法。在微震震源定位过程中,参与定位的通道个数对定位精度具有显著影响。当震动激发的检波探测器个数足够多时,继续增加通道个数并不能有效提高震源的定位精度。基于此,选取合适的震动波形参与定位,对提升定位精度至关重要。为解决该问题,在设定均勾介质的条件下,基于走时拟合法的震源定位模型,提出一种既考虑定位通道个数,又考虑模型定位精度的微震震源多目标定位模型。为求解该模型,给出一种基于多目标粒子群-模拟退火的混合定位方法。该方法利用多目标粒子群优化算法的全局探索性能,为实现局部搜索的模拟退火算法提供更优的初始解,从而有效避免寻优过程陷入局部极值。实验结果表明所提算法能够有效求解多目标震源定位模型,且具有较高的定位精度。该论文有图28幅,表20个,参考文献142篇。