CN117665935A - 一种破碎岩体支护施工过程的监测数据处理方法 - Google Patents

Abstract

本发明涉及地震数据处理技术领域，具体涉及一种破碎岩体支护施工过程的监测数据处理方法，通过获取岩体在不同位置上的多个采样周期的监测数据时序序列的语谱图，确定语谱图对应的各个聚类簇；根据在不同位置上的同一采样周期对应的不同聚类簇之间的距离差异，筛选出每个采样周期对应的目标监测数据时序序列，进而确定每个采样周期的误差可接受程度；根据在不同位置上的同一采样周期对应的聚类簇在不同频段上的聚类簇的分布和误差可接受程度，确定每个监测数据时序序列的异常显著程度，从而确定噪声估计，并对监测数据时序序列进行去噪，得到去噪后的监测数据。本发明通过获取准确的噪声估计，有效提高了监测数据的去噪效果。

Description

一种破碎岩体支护施工过程的监测数据处理方法

技术领域

本发明涉及地震数据处理技术领域，具体涉及一种破碎岩体支护施工过程的监测数据处理方法。

背景技术

在破碎岩体支护施工过程中，常常使用振动传感器监测岩体的振动数据，并通过对振动数据进行频谱分析，可以得到不同频率段上的振动能量分布，进而评估岩体的变形和破坏情况。但在采集岩体振动数据的过程中，往往会受到如设备运行、电机振动或周围人员走动等引起的低频噪声的影响，因此需要对采集的岩体振动数据进行去噪增强处理，从而保证岩体的精确分析。

现有技术中采用谱减法对采集的岩体振动数据进行去噪增强处理，以去除环境噪声对于岩体振动信号的影响。但是在采用谱减法进行去噪增强处理的过程中，去除环境噪声的影响是基于纯噪声分段信号的噪声估计，而实际的纯噪声分段信号的噪声估计难以获得，且在锚网不同位置的振动数据往往受到噪声影响的程度不同，因此无法获取对岩体振动数据进行去噪的精准噪声评估，导致岩体振动数据的去噪效果还相对较差，从而影响了后续岩体的分析。

发明内容

本发明的目的在于提供一种破碎岩体支护施工过程的监测数据处理方法，用于解决现有无法获取对岩体振动数据进行去噪的精准噪声评估，导致岩体振动数据的去噪效果还相对较差的问题。

为解决上述技术问题，本发明提供了一种破碎岩体支护施工过程的监测数据处理方法，包括以下步骤：

获取岩体在不同位置上的多个采样周期的监测数据时序序列，对所述监测数据时序序列进行频谱分析，得到所述监测数据时序序列对应的语谱图；

根据在不同位置上的同一采样周期对应的语谱图的分布差异，获取在不同位置上的多个采样周期的差值语谱图，对所述差值语谱图上的所有像素点进行聚类，得到各个聚类簇；

确定在同一位置上的同一采样周期对应的不同聚类簇之间的距离，并根据在不同位置上的同一采样周期对应的距离之间的差异，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，并根据所述数据匹配度，筛选出每个采样周期对应的所有所述监测数据时序序列中的目标监测数据时序序列；

根据在不同位置上的同一采样周期对应的目标监测数据时序序列的数据匹配度之间的差异以及对应聚类簇的重合情况，确定每个采样周期的误差可接受程度；

根据在不同位置上的同一采样周期对应的差值语谱图的各个聚类簇在相同频段的分布差异，以及每个采样周期的误差可接受程度，确定在不同位置上的多个采样周期的监测数据时序序列的异常显著程度；

根据所述异常显著程度，确定对所述监测数据时序序列进行去噪的噪声估计，并根据所述噪声估计，对在不同位置上的多个采样周期的监测数据时序序列进行去噪，从而得到去噪后的监测数据。

进一步的，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，包括：

确定在同一位置上的同一采样周期对应的任意两个聚类簇之间的距离的平均值，从而得到在每个位置上的每个采样周期对应的不同聚类簇之间的平均距离；

根据在任意两个位置上的同一采样周期对应的不同聚类簇之间的平均距离的差异，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度。

进一步的，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，对应的计算公式为：

；

其中，表示在第个位置和第个位置上的第个采样周期对应的监测数据时 序序列的数据匹配度；表示在第个位置上的第个采样周期对应的不同聚类簇之间的 平均距离；表示在第个位置上的第个采样周期对应的不同聚类簇之间的平均距离；表示以自然常数e为底数的指数函数；表示取绝对值符号。

进一步的，确定每个采样周期的误差可接受程度，包括：

确定同一采样周期对应的各对目标监测数据时序序列的数据匹配度的平均值，得到平均数据匹配度；

确定同一采样周期对应的每对目标监测数据时序序列的数据匹配度与对应所述平均数据匹配度的差值绝对值，得到每个采样周期对应的每对目标监测数据时序序列的数据匹配度差异；

确定同一采样周期对应的每对目标监测数据时序序列对应各个聚类簇的重合像素点的数量和以及各个聚类簇的并集像素点总数量；

根据每个采样周期对应的每对目标监测数据时序序列的数据匹配度差异，以及同一采样周期对应的每对目标监测数据时序序列对应各个聚类簇的重合像素点的数量和在各个聚类簇的并集像素点总数量中的占比，确定每个采样周期的误差可接受程度。

进一步的，确定每个采样周期的误差可接受程度，对应的计算公式为：

；

其中，表示第个采样周期的误差可接受程度；表示第个采样周期对应的 第对目标监测数据时序序列的数据匹配度差异；表示第个采样周期对应的第对目标 监测数据时序序列对应各个聚类簇的重合像素点的数量和；表示第个采样周期对 应的第对目标监测数据时序序列对应各个聚类簇的并集像素点总数量，表示第个采 样周期对应的第对目标监测数据时序序列对应各个聚类簇中第个存在重叠的两个聚类 簇组成的并集的像素点数量；表示第个采样周期对应的第对目标监测数据时序序列对 应各个聚类簇中存在重叠的两个聚类簇的总对数；表示在不同位置上的第个采样周期对 应的目标监测数据时序序列的任意两两组合的对数；表示归一化函数。

进一步的，确定在不同位置上的多个采样周期的监测数据时序序列的异常显著程度，包括：

对所述差值语谱图进行分割，得到各个分块，每个所述分块对应一个频段，确定所述聚类簇在每个所述分块中所对应的分割簇；

确定在任意两个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量；

确定在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量中，任意两个不重叠部分的像素点数量的差值绝对值，并将所有差值绝对值的平均值，确定为在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值；

根据所述差值语谱图的各个分块对应的频段，对各个分块进行编号，频段中的频率越低，对应的分块的编号越小；

根据在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值、所述差值语谱图的各个分块的编号，以及每个采样周期的误差可接受程度，确定在每个位置上的每个采样周期的监测数据时序序列对应的数据误差程度；

根据在同一位置上的每个采样周期与其相邻采样周期的监测数据时序序列对应的数据误差程度之间的差异大小，确定在每个位置上的每个采样周期的监测数据时序序列的异常显著程度。

进一步的，确定在每个位置上的每个采样周期的监测数据时序序列对应的数据误差程度，对应的计算公式为：

；

其中，表示在第个位置上的第个采样周期的监测数据时序序列对应的数据误 差程度；表示在第个位置上与其他各个位置上的第个采样周期对应的差值语谱图在第个相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值；表示在第个位置 上与其他各个位置上的第个采样周期对应的差值语谱图的相同频段的分块的编号；表 示第个采样周期的误差可接受程度；表示差值语谱图中分块的总数目。

进一步的，确定在每个位置上的每个采样周期的监测数据时序序列的异常显著程度，包括：

确定在同一位置上的每个采样周期与其每个相邻采样周期的监测数据时序序列对应的数据误差程度的差值绝对值，得到在同一位置上的每个采样周期与其每个相邻采样周期对应的数据误差程度差异值；

确定在同一位置上的每个采样周期与其各个相邻采样周期对应的数据误差程度差异值的平均值，得到在每个位置上的每个采样周期对应的平均数据误差程度差异值，对所述平均数据误差程度差异值进行归一化处理，从而得到在每个位置上的每个采样周期的监测数据时序序列的异常显著程度。

进一步的，确定对所述监测数据时序序列进行去噪的噪声估计，包括：

将在不同位置上的多个采样周期的监测数据时序序列的异常显著程度分别与预先设置的异常置信阈值进行比较，将大于所述异常置信阈值的所述异常显著程度所对应的监测数据时序序列判定为第一类监测数据时序序列，并将不大于所述异常置信阈值的所述异常显著程度所对应的监测数据时序序列判定为第二类监测数据时序序列；

确定所有第二类监测数据时序序列对应的平均监测数据时序序列，并将每个所述第一类监测数据时序序列与所述平均监测数据时序序列作差，得到各个差值监测数据时序序列；

确定所有所述差值监测数据时序序列的平均差值监测数据时序序列，并将所述平均差值监测数据时序序列确定为对所述监测数据时序序列进行去噪的噪声估计。

进一步的，根据所述噪声估计，利用谱减法对在不同位置上的多个采样周期的监测数据时序序列进行去噪，从而得到去噪后的监测数据。

本发明具有如下有益效果：获取岩体在不同位置上的多个采样周期的监测数据时序序列的语谱图，将在不同位置上的同一采样周期对应的语谱图进行比较，从而得到在不同位置上的多个采样周期的差值语谱图，该差值语谱图体现了不同位置上的同一采样周期获取的岩体监测数据的相似性特征。对差值语谱图上的所有像素点进行聚类，得到各个聚类簇，通过对在任意两个位置上的同一采样周期对应的不同聚类簇的分布特征的相似性进行分析，可以确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，进而筛选出每个采样周期中与其他位置的监测数据时序序列均匹配度比较高的目标监测数据时序序列。结合在不同位置上的同一采样周期对应的目标监测数据时序序列的数据匹配度之间的差异以及对应聚类簇的重合情况，对在多个位置上的同一采样周期的岩体监测数据的稳定变化部分的占比情况进行分析，从而确定每个采样周期所获取的岩体监测数据的误差可接受程度。考虑到偶然性的环境噪声则通常在低频区域有着显著变化，且存在时序上的邻域变化不一致的特征，因此根据在不同位置上的同一采样周期对应的差值语谱图的各个聚类簇在相同频段的分布差异，并结合每个采样周期的误差可接受程度，对在多个位置上的每个采样周期所采集到的岩体监测数据所受到的环境因素影响程度进行分析，从而确定监测数据时序序列的异常显著程度。根据该异常显著程度，可以对受到环境因素影响程度不同的监测数据时序序列进行区分，从而可以精准确定岩体监测数据的噪声估计，进而可以实现岩体监测数据的精准去噪。本发明通过对在当前破碎岩体支护施工过程中锚网多处位置获取的岩体监测数据的误差可接受程度进行分析，进而可以准确评估出多个位置上的不同采样周期的岩体监测数据受到环境因素影响的程度大小，从而可以获取准确的噪声估计，有效提高了监测数据的去噪效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明实施例的破碎岩体支护施工过程的监测数据处理方法的流程图；

图2为本发明实施例的破碎岩体支护施工过程中锚网不同部位设置振动传感器的示意图；

图3为本发明实施例的某对目标监测数据时序序列对应的聚类簇的示意图；

图4为本发明实施例的某两个位置上的同一采样周期对应的差值语谱图的聚类簇在某个分块上的分布示意图；

其中，1表示锚网，2表示振动传感器。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。另外，本文所涉及公式中的所有参数或者指标均为归一化之后的消除了量纲影响的数值。

为了解决现有无法获取对岩体振动数据进行去噪的精准噪声评估，导致岩体振动数据的去噪效果还相对较差的问题，本实施例提供了一种破碎岩体支护施工过程的监测数据处理方法，该方法对应的流程图如图1所示，包括以下步骤：

步骤S1：获取岩体在不同位置上的多个采样周期的监测数据时序序列，对所述监测数据时序序列进行频谱分析，得到所述监测数据时序序列对应的语谱图。

在破碎岩体支护施工过程中设置的锚网的不同部位设置振动传感器，如图2所示，在锚网1的不同部位设置振动传感器2。利用设置在锚网的不同部位的振动传感器采集其对应位置处的岩体的振动数据。在每个采样周期内，在不同位置上的所有振动传感器按照设定采样频率进行同步采样，并记录采样时刻，将每个振动传感器在每个采样周期内采集到的所有振动数据按照时间顺序进行排列，从而可以得到不同位置上的多个采样周期内的监测数据时序序列。采样周期的长短以及设定采样频率的大小可以根据需要进行合理设置，本实施例设置该采样周期为，设定采样频率为1次/>。

对于在任意一个位置上的任意一个采样周期内的监测数据时序序列，对其进行频谱分析，并将每一段的频谱结果绘制在时间轴上，形成语谱图，由于获取语谱图的具体实现过程属于现有技术，此处不再赘述。在语谱图中，横坐标是时间，纵坐标是频率，坐标点的像素值为表示能量的灰度值。

步骤S2：根据在不同位置上的同一采样周期对应的语谱图的分布差异，获取在不同位置上的多个采样周期的差值语谱图，对所述差值语谱图上的所有像素点进行聚类，得到各个聚类簇。

对于振动传感器采集到的岩体的振动数据而言，其可能会受到如设备运行、电机振动或周围人员走动等引起的低频噪声，从而会干扰振动信号的准确分析，进而影响岩体的可靠监测，因此需要对振动传感器采集到的岩体的振动数据进行去噪处理。在采用谱减法对岩体的振动数据进行去噪处理时，需要进行噪声的精准估计，才可以实现岩体的振动数据去噪增强的精准处理。

通过分析可知，破碎岩体支护施工过程中设置的锚网的不同部位的岩体振动数据存在一定的位置影响，其主要是由于岩体振动数据在不同状况的传播路径下的信号传递存在偏差，表现在语谱图上则是能量分布特征的不同，而环境噪声的影响也会造成语谱图上能量分布特征的变化。考虑到偶然性的环境因素的影响会在振动数据的语谱图上形成显著性变化，因此需要根据在不同位置上采集的岩体振动数据的相似性特征，进行可信振动数据变化特征的匹配，并根据匹配结果的波动稳定性差异获取误差可接受程度，并由此获取语谱图上能量分布的异常显著程度，从而最终实现噪声的精准估计。

对于任意一个位置上对应的任意一个采样周期内的监测数据时序序列的语谱图，语谱图中每个像素点的灰度值表现的是其频率上的能量大小，当岩体振动信号在某一频段上存在较大的能量分布时，其在语谱图上表现为共振峰特征，即在对应的频段内存在局部区域内像素点的灰度均值较高。由此对于不同位置上的同一采样周期获取的岩体的振动数据信号的相似性特征，可利用其语谱图差值图像上像素点的分布特征表示。

对于在不同位置上的同一采样周期获取的振动数据构成的监测数据时序序列的语谱图，对每一个相同位置上的像素点的灰度值进行均值求取，其所有位置上像素点的灰度均值组成的均值语谱图记为目标语谱图，由此每个采样周期都有其各自的目标语谱图。获取任意一个位置上的任意一个采样周期的语谱图与其目语谱图的差值图像，由于获取两张图像的差值图像的具体实现过程属于现有技术，此处不做赘述。该差值图像中所包含的像素点为对应语谱图中的与目标语谱图中相同位置上的像素点的灰度值存在差异的像素点，即当语谱图中的某个位置上a的像素点的灰度值与对应目标语谱图中相同位置上的像素点的灰度值不相等时，则该差值图像中包含与语谱图中的位置上a相同位置上的像素点，否则不包含与语谱图中的位置上a相同位置上的像素点。将该差值图像记为差值语谱图，并在差值语谱图中，利用DBSCAN(Density-Based Spatial Clustering of Applicationswith Noise)算法对每个差值语谱图上的所有像素点进行密度聚类，得到多个聚类簇。

步骤S3：确定在同一位置上的同一采样周期对应的不同聚类簇之间的距离，并根据在不同位置上的同一采样周期对应的距离之间的差异，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，并根据所述数据匹配度，筛选出每个采样周期对应的所有所述监测数据时序序列中的目标监测数据时序序列。

对于单个语谱图对应的差值语谱图而言，其对应聚类簇的分布特征可表征其对应位置上的采样周期内获取的振动数据的语谱图与同一采样周期内的各个位置上总体振动数据的语谱图的振动特征相似度，而不同位置上的同一采样周期内所获取聚类簇的分布特征的相似性可以表示对应位置上的振动数据的匹配度。单个语谱图对应的聚类簇的分布越分散，表明其在多个频段上的特征峰都有着明显的变化，则表明其与同一采样周期内的振动数据的变化特征的相似度越低。

由此，确定在同一位置上的同一采样周期对应的不同聚类簇之间的距离，该距离是指任意两个聚类簇的聚类中心的欧氏距离，并根据在不同位置上的同一采样周期对应的距离之间的差异，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，对应的计算公式为：

；

；

其中，表示在第个位置上的第个采样周期对应的不同聚类簇之间的平均距 离；表示在第个位置上的第个采样周期对应的第对聚类簇对应的距离；表示在第个 位置上的第个采样周期对应的聚类簇的总对数；表示在第个位置上的第个采样周 期对应的不同聚类簇之间的平均距离；表示以自然常数e为底数的指数函数；表 示在第个位置和第个位置上的第个采样周期对应的监测数据时序序列的数据匹配度。

在上述的数据匹配度的计算公式中，通过计算单个位置上的每个采样周期对应的任意两个聚类簇之间的平均距离，并利用该平均距离作为聚类簇分布特征，用于表征该位置上在每个采样周期的振动数据与其他各个位置上的在同一采样周期的振动数据的振动特征相似度，当平均距离越大时，则说明振动特征相似度越小，反之则说明振动特征相似度越大。通过计算任意两个不同位置上在同一采样周期对应的聚类簇分布特征的差异，确定任意两个不同位置上在同一采样周期对应的振动数据的匹配度，当聚类簇分布特征的差异越小时，则对应的振动数据的匹配度就越高。

对于任意一个采样周期，根据在每个位置与其他各个位置上对应的数据匹配度，计算所有数据匹配度的平均值，得到每个位置对应的数据匹配度均值，将该数据匹配度均值与预先设置的匹配度置信阈值进行比较，当大于匹配度置信阈值时，则说明该对应位置上的振动数据与其他各个位置上的振动数据之间的匹配度较高，则认为该对应位置上的监测数据时序序列可用于后续获取振动数据的误差可接受程度，将该对应位置上的监测数据时序序列作为目标监测数据时序序列。其中，匹配度置信阈值的具体取值可以根据需要进行合理设置，本实施例设置该匹配度置信阈值的取值为0.78。

按照上述方式，根据任意两个位置上的同一采样周期对应的数据匹配度，对同一采样周期内不同位置上对应的监测数据时序序列进行筛选，从而可以筛选出每个采样周期对应的所有目标监测数据时序序列。

步骤S4：根据在不同位置上的同一采样周期对应的目标监测数据时序序列的数据匹配度之间的差异以及对应聚类簇的重合情况，确定每个采样周期的误差可接受程度。

根据上述筛选出的每个采样周期对应的所有目标监测数据时序序列的变化稳定性特征，可以获取振动数据的相对位置的误差可接受程度。为了对每个采样周期对应的所有目标监测数据时序序列的变化稳定性特征进行分析，从而确定每个采样周期内的振动数据的误差可接受程度，在同一个采样周期内，将任意两个目标监测数据时序序列作为一对目标监测数据时序序列，从而可以确定各对目标监测数据时序序列。当任意一对目标监测数据时序序列的数据匹配度与其他各对目标监测数据时序序列的数据匹配度均相差较小时，则说明这些目标监测数据时序序列彼此之间的匹配度较高，即这些目标监测数据时序序列彼此比较相似，此时对应采样周期内的目标监测数据时序序列的误差可接受程度较低。

同时，对于任意一对目标监测数据时序序列对应的各个聚类簇，根据该对目标监测数据时序序列对应的各个聚类簇在对应的差值语谱图上的位置，将该对目标监测数据时序序列对应的各个聚类簇区域映射到同一个图像中，并确定该对目标监测数据时序序列对应的各个聚类簇重合的像素点的数量和。为了便于理解，如图3所示，某对目标监测数据时序序列中的第1个目标监测数据时序序列对应的各个聚类簇所对应的区域为实线构成的区域e1和e2，第2个目标监测数据时序序列对应的各个聚类簇所对应的区域为虚线构成的区域f1和f2，则区域e1和f1的重叠区域（阴影标记部分）以及区域e2和f2的重叠区域（阴影标记部分）中像素点的总数目，即为这两个目标监测数据时序序列对应的各个聚类簇重合的像素点的数量和。并且，对于一对目标监测数据时序序列对应的各个聚类簇，确定两个目标监测数据时序序列对应的各个聚类簇中各个存在重叠的两个聚类簇组成的并集的像素点数量，进而确定两个目标监测数据时序序列对应的各个聚类簇的并集像素点总数量，此时对于重叠部分的像素点只计数一次。为了便于理解，如图3所示，确定区域e1和f1的并集的像素点数量，从而得到对应两个目标监测数据时序序列对应的各个聚类簇中第1个存在重叠的两个聚类簇组成的并集的像素点数量，并确定区域e2和f2的并集的像素点数量，从而得到对应两个目标监测数据时序序列对应的各个聚类簇中第2个存在重叠的两个聚类簇组成的并集的像素点数量，两个像素点数据的累加和即为对应两个目标监测数据时序序列对应的各个聚类簇的并集像素点总数量。

在此基础上，对于同一个采样周期，根据各对目标监测数据时序序列的数据匹配度之间的差异、各对目标监测数据时序序列对应的各个聚类簇重合的像素点的数量和，以及各对目标监测数据时序序列对应的各个聚类簇的并集像素点总数量，确定每个采样周期的误差可接受程度，对应的计算公式为：

；

其中，表示第个采样周期的误差可接受程度；表示第个采样周期对应的 第对目标监测数据时序序列的数据匹配度差异，，表示第个采样 周期对应的第对目标监测数据时序序列的数据匹配度，表示第个采样周期对应的所 有对目标监测数据时序序列的平均数据匹配度；表示在不同位置上的第个采样周期对应 的目标监测数据时序序列的任意两两组合的对数；表示第个采样周期对应的第对目标 监测数据时序序列对应各个聚类簇的重合像素点的数量和；表示第个采样周期对 应的第对目标监测数据时序序列对应各个聚类簇的并集像素点总数量，表示第个采 样周期对应的第对目标监测数据时序序列对应各个聚类簇中第个存在重叠的两个聚类 簇组成的并集的像素点数量；表示第个采样周期对应的第对目标监测数据时序序列对 应各个聚类簇中存在重叠的两个聚类簇的总对数；表示归一化函数。

在上述的误差可接受程度的计算公式中，当某个采样周期对应的各对目标监测数据时序序列的数据匹配度与所有对目标监测数据时序序列的平均数据匹配度的差异越小时，表明各对目标监测数据时序序列的数据匹配度比较接近。同时，当某个采样周期对应的各对目标监测数据时序序列对应各个聚类簇的重合像素点占比越高，说明各对目标监测数据时序序列对应各个聚类簇越相近。当某个采样周期对应的各对目标监测数据时序序列的数据匹配度相差较小，且各对目标监测数据时序序列对应各个聚类簇越相近时，此时说明对应采样周期内的目标监测数据时序序列的误差可接受程度越高，误差可接受程度描述的是同一采样周期上振动数据的稳定变化部分的占比大小，其反映的是振动数据多位置上的差异的相似性特征。

步骤S5：根据在不同位置上的同一采样周期对应的差值语谱图的各个聚类簇在相同频段的分布差异，以及每个采样周期的误差可接受程度，确定在不同位置上的多个采样周期的监测数据时序序列的异常显著程度。

通过上述步骤可以确定各个采样周期的误差可接受程度，误差可接受程度表征的是在当前破碎岩体支护施工过程中，设置的锚网的多处位置获取的振动数据的位置误差可接受程度，而偶然性的环境噪声则通常在低频区域有着显著变化，并且存在时序上的邻域变化不一致的特征，由此可获取振动数据的异常显著程度，并由此实现后续的谱减法去除偶然性环境噪声的影响的目的。

对于每个位置上的一个采样周期上的振动数据而言，其与相邻采样周期的语谱图的共振峰的差异程度越大，且差异越集中于低频段，则该振动数据受到环境因素影响的程度越大，其对应的异常显著程度越大。为了确定每个位置上的每个采样周期的监测数据时序序列的异常显著程度，对每个位置上的每个采样周期的监测数据时序序列对应的差值语谱图进行均匀分块，即在差值语谱图中利用均匀分布的且延伸方向与纵坐标轴垂直的切割线对差值语谱图进行均匀切割，从而得到多个分块。分块的数量可以根据需要进行合理设置，本实施例设置该分块的数量为5。对所有差值语谱图进行相同方式进行分块处理，从而可以得到每个差值语谱图对应的各个分块。此时对于每个差值语谱图，每个分块对应一个频段，按照频段中的频率从小到大的顺序，对各个分块依次进行编号，得到各个分块的序号，段的频率越小，对应分块的序号就越小。在本实施例，对于频段中的频率最小的分块，其对应的序号为1，对于频段中的频率次最小的分块，其对应的序号为2，以此类推。由于差值语谱图中对应多个聚类簇，通过将差值语谱图进行均匀切割得到多个分块后，相应的会将这些聚类簇划分到多个分块中，由于同一个聚类簇可能会被切割划分到多个分块中，此时可以得到每个分块中的新的聚类簇，将该新的聚类簇称为分割簇。

对于在任意两个位置上的同一采样周期对应的差值语谱图，根据任意两个差值语谱图中相同位置分块中的分割簇的位置，将两个差值语谱图中相同位置分块中的分割簇映射到同一个图像中，从而可以确定两个差值语谱图中每个相同位置分块（即相同频段的分块）中的分割簇的不重叠部分的像素点数量。为了便于理解，如图4所示，某个差值语谱图中某个分块中的第1个分割簇所对应的区域为实线构成的区域e3和e4，另外一个差值语谱图中相同位置分块中的第1个新的聚类簇所对应的区域为虚线构成的区域f3和f4，则区域e3和f3的不重叠区域（非阴影标记部分）以及区域e4和f4的不重叠区域（非阴影标记部分）中像素点的总数目，即为两个差值语谱图中某个相同位置分块中的分割簇的不重叠部分的像素点数量。

按照上述方式，在同一个采样周期内，可以确定每个位置上的差值语谱图与其他各个位置上的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量，计算每个位置上的差值语谱图的每个分块与其他位置上的差值语谱图的相同频段的分块对应的分割簇的所有不重叠部分的像素点数量中，任意两个不重叠部分的像素点数量的差值绝对值，并计算所有差值绝对值的平均值，并将该平均值作为在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值。

根据每个采样周期的误差可接受程度，以及在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值，可以确定在每个位置上的每个采样周期的监测数据时序序列对应的数据误差程度，进而结合在同一位置上的每个采样周期与其相邻采样周期之间的数据误差程度的差异大小，可以确定每个位置上的每个采样周期的监测数据时序序列的异常显著程度，对应的计算公式为：

；

；

其中，表示第个位置上的第个采样周期的监测数据时序序列的异常显著程 度；表示在第个位置上的第个采样周期的监测数据时序序列对应的数据误差程度； 表示在第个位置上的第个采样周期的第个相邻采样周期的监测数据时序序列对应的数 据误差程度；表示第个位置上的第个采样周期的相邻采样周期的数目，本实施例设置，此时第个采样周期的相邻采样周期是指第个采样周期的前两个采样周期和后两 个采样周期；表示归一化函数；表示在第个位置上与其他各个位置上的第个 采样周期对应的差值语谱图在第个相同频段的分块中的分割簇的不重叠部分的像素点 数量差异均值；表示在第个位置上与其他各个位置上的第个采样周期对应的差值语谱 图的相同频段的分块的编号；表示第个采样周期的误差可接受程度；表示差值语谱 图中分块的总数目。

在上述的数据误差程度的计算公式中，考虑到相邻采样周期上的语谱图的共振峰差异主要集中在低频段，因此为每个位置上在每个采样周期内的差值语谱图在每个分块对应的像素点数量差异均值设置权重，当分块对应的频段频率越小时，则设置的权重越大。结合权重计算每个位置上在每个采样周期的差值语谱图中所有分块对应的像素点数量差异均值的平均值，并利用该平均像素点数量差异均值与对应采样周期对应的误差可接受程度的负相关映射结果相乘，作为每个位置上在每个采样周期对应的数据误差程度。当平均像素点数量差异均值越大时，说明对应位置上的差值语谱图与其他各个位置上的差值语谱图在相同位置上分块中的分割簇的不重叠部分的像素点数量的差异越大，且越集中于低频段，那么此采样周期上的振动数据受到偶然性的环境噪声影响就越大，以此进行后续噪声估计时的可信度就越高。同时，由于同样的误差值在误差可接受程度越小时的显著程度就越大，那么属于偶然性误差影响的可能性就越大，因此当误差可接受程度的取值越小时，反映了利用差值语谱图的分块的聚类簇重叠特征分析的噪声影响的结果越可信，因此该对应位置上在对应采样周期对应的数据误差程度的取值就越大。

在上述的异常显著程度的计算公式中，通过计算每个位置上的每个采样周期与其相邻的采样周期对应的数据误差程度之间的平均差异值，当该平均差异值越大时，说明对应监测数据时序序列属于越可能属于受到环境因素影响较大的异常振动数据，其对应的异常显著程度就越大。

步骤S6：根据所述异常显著程度，确定对所述监测数据时序序列进行去噪的噪声估计，并根据所述噪声估计，对在不同位置上的多个采样周期的监测数据时序序列进行去噪，从而得到去噪后的监测数据。

根据上述所确定的在不同位置上的多个采样周期的监测数据时序序列的异常显著程度，可以对受到环境因素影响程度不同的监测数据时序序列进行区分，从而可以精准确定岩体监测数据的噪声估计。因此，根据在所有位置上的所有采样周期的监测数据时序序列对应的异常显著程度，结合预先设置的异常置信阈值，将大于异常置信阈值的异常显著程度所对应的监测数据时序序列，判定为受到环境因素较大影响的第一类监测数据时序序列，并将不大于异常置信阈值的异常显著程度所对应的监测数据时序序列，判定为受到环境因素较小影响的第二类监测数据时序序列。其中，该异常置信阈值的具体取值可以根据需要进行合理设定，本实施例设置该异常置信阈值的取值为0.93。

对所有第二类监测数据时序序列求取均值，即将所有第二类监测数据时序序列中相同位置的数值求均值，得到平均监测数据时序序列。将每个第一类监测数据时序序列与该平均监测数据时序序列做差，即将每个第一类监测数据时序序列与该平均监测数据时序序列中相同位置上的数值做差，得到差值监测数据时序序列。将所有第一类监测数据时序序列对应得到的所有差值监测数据时序序列再做均值或加权均值处理，从而得到监测数据噪声估计结果。

对在所有位置上的所有采样周期的监测数据时序序列进行谱减法去噪，并将该监测数据噪声估计结果作为谱减法去噪过程中的噪声估计，对监测数据时序序列进行精准去噪，从而得到所有位置上的所有采样周期的去噪后的监测数据时序序列。去噪后的监测数据时序序列反应的是破碎岩体支护过程中的变形与破坏结果的精准展示，因此根据去噪后的监测数据时序序列，可以对岩体的破碎程度、变形情况等进行全面评估。由于本发明实施例的重点在于精准获取对监测数据时序序列进行去噪的噪声估计，并根据该噪声估计对获取到的监测数据时序序列进行精准去噪，从而得到在所有位置上的所有采样周期的去噪后的监测数据时序序列，也就是去噪后的监测数据，而至于后续基于去噪后的监测数据对岩体的破碎程度、变形情况等进行全面评估，则属于本领域技术人员的公知常识，且不属于本发明实施例所关注的重点，因此这里对基于去噪后的监测数据对岩体的破碎程度、变形情况等进行全面评估的具体实现过程，不再进行赘述。

本发明通过在当前破碎岩体支护施工过程中锚网多处位置获取的岩体监测数据对应的语谱图存在的结构性分布的变化一致性，获取每个采样周期的位置误差可接受程度，进而可以准确评估出基于岩体监测数据共振峰分布特征的环境噪声异常程度，从而可以获取准确的噪声估计，并利用谱减法对岩体监测数据进行去噪，去除偶然性环境噪声对于岩体振动数据的影响，有效提高了岩体监测数据的去噪效果，从而提高了岩体监测数据的准确性。

需要说明的是：以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，包括以下步骤：

获取岩体在不同位置上的多个采样周期的监测数据时序序列，对所述监测数据时序序列进行频谱分析，得到所述监测数据时序序列对应的语谱图；

根据在不同位置上的同一采样周期对应的语谱图的分布差异，获取在不同位置上的多个采样周期的差值语谱图，对所述差值语谱图上的所有像素点进行聚类，得到各个聚类簇；

确定在同一位置上的同一采样周期对应的不同聚类簇之间的距离，并根据在不同位置上的同一采样周期对应的距离之间的差异，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，并根据所述数据匹配度，筛选出每个采样周期对应的所有所述监测数据时序序列中的目标监测数据时序序列；

根据在不同位置上的同一采样周期对应的目标监测数据时序序列的数据匹配度之间的差异以及对应聚类簇的重合情况，确定每个采样周期的误差可接受程度；

根据在不同位置上的同一采样周期对应的差值语谱图的各个聚类簇在相同频段的分布差异，以及每个采样周期的误差可接受程度，确定在不同位置上的多个采样周期的监测数据时序序列的异常显著程度；

根据所述异常显著程度，确定对所述监测数据时序序列进行去噪的噪声估计，并根据所述噪声估计，对在不同位置上的多个采样周期的监测数据时序序列进行去噪，从而得到去噪后的监测数据。

2.根据权利要求1所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，包括：

确定在同一位置上的同一采样周期对应的任意两个聚类簇之间的距离的平均值，从而得到在每个位置上的每个采样周期对应的不同聚类簇之间的平均距离；

根据在任意两个位置上的同一采样周期对应的不同聚类簇之间的平均距离的差异，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度。

3.根据权利要求2所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定在任意两个位置上的同一采样周期对应的监测数据时序序列的数据匹配度，对应的计算公式为：

；

其中，表示在第/>个位置和第/>个位置上的第/>个采样周期对应的监测数据时序序列的数据匹配度；/>表示在第/>个位置上的第/>个采样周期对应的不同聚类簇之间的平均距离；/>表示在第/>个位置上的第/>个采样周期对应的不同聚类簇之间的平均距离；/>表示以自然常数e为底数的指数函数；/>表示取绝对值符号。

4.根据权利要求1所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定每个采样周期的误差可接受程度，包括：

确定同一采样周期对应的各对目标监测数据时序序列的数据匹配度的平均值，得到平均数据匹配度；

确定同一采样周期对应的每对目标监测数据时序序列的数据匹配度与对应所述平均数据匹配度的差值绝对值，得到每个采样周期对应的每对目标监测数据时序序列的数据匹配度差异；

确定同一采样周期对应的每对目标监测数据时序序列对应各个聚类簇的重合像素点的数量和以及各个聚类簇的并集像素点总数量；

根据每个采样周期对应的每对目标监测数据时序序列的数据匹配度差异，以及同一采样周期对应的每对目标监测数据时序序列对应各个聚类簇的重合像素点的数量和在各个聚类簇的并集像素点总数量中的占比，确定每个采样周期的误差可接受程度。

5.根据权利要求4所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定每个采样周期的误差可接受程度，对应的计算公式为：

；

其中，表示第/>个采样周期的误差可接受程度；/>表示第/>个采样周期对应的第/>对目标监测数据时序序列的数据匹配度差异；/>表示第/>个采样周期对应的第/>对目标监测数据时序序列对应各个聚类簇的重合像素点的数量和；/>表示第/>个采样周期对应的第/>对目标监测数据时序序列对应各个聚类簇的并集像素点总数量，/>表示第/>个采样周期对应的第/>对目标监测数据时序序列对应各个聚类簇中第/>个存在重叠的两个聚类簇组成的并集的像素点数量；/>表示第/>个采样周期对应的第/>对目标监测数据时序序列对应各个聚类簇中存在重叠的两个聚类簇的总对数；/>表示在不同位置上的第/>个采样周期对应的目标监测数据时序序列的任意两两组合的对数；/>表示归一化函数。

6.根据权利要求1所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定在不同位置上的多个采样周期的监测数据时序序列的异常显著程度，包括：

对所述差值语谱图进行分割，得到各个分块，每个所述分块对应一个频段，确定所述聚类簇在每个所述分块中所对应的分割簇；

确定在任意两个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量；

确定在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量中，任意两个不重叠部分的像素点数量的差值绝对值，并将所有差值绝对值的平均值，确定为在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值；

根据所述差值语谱图的各个分块对应的频段，对各个分块进行编号，频段中的频率越低，对应的分块的编号越小；

根据在每个位置上与其他各个位置上的同一采样周期对应的差值语谱图在相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值、所述差值语谱图的各个分块的编号，以及每个采样周期的误差可接受程度，确定在每个位置上的每个采样周期的监测数据时序序列对应的数据误差程度；

根据在同一位置上的每个采样周期与其相邻采样周期的监测数据时序序列对应的数据误差程度之间的差异大小，确定在每个位置上的每个采样周期的监测数据时序序列的异常显著程度。

7.根据权利要求6所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定在每个位置上的每个采样周期的监测数据时序序列对应的数据误差程度，对应的计算公式为：

；

其中，表示在第/>个位置上的第/>个采样周期的监测数据时序序列对应的数据误差程度；/>表示在第/>个位置上与其他各个位置上的第/>个采样周期对应的差值语谱图在第/>个相同频段的分块中的分割簇的不重叠部分的像素点数量差异均值；/>表示在第/>个位置上与其他各个位置上的第/>个采样周期对应的差值语谱图的相同频段的分块的编号；/>表示第个采样周期的误差可接受程度；/>表示差值语谱图中分块的总数目。

8.根据权利要求6所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定在每个位置上的每个采样周期的监测数据时序序列的异常显著程度，包括：

确定在同一位置上的每个采样周期与其每个相邻采样周期的监测数据时序序列对应的数据误差程度的差值绝对值，得到在同一位置上的每个采样周期与其每个相邻采样周期对应的数据误差程度差异值；

确定在同一位置上的每个采样周期与其各个相邻采样周期对应的数据误差程度差异值的平均值，得到在每个位置上的每个采样周期对应的平均数据误差程度差异值，对所述平均数据误差程度差异值进行归一化处理，从而得到在每个位置上的每个采样周期的监测数据时序序列的异常显著程度。

9.根据权利要求1所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，确定对所述监测数据时序序列进行去噪的噪声估计，包括：

将在不同位置上的多个采样周期的监测数据时序序列的异常显著程度分别与预先设置的异常置信阈值进行比较，将大于所述异常置信阈值的所述异常显著程度所对应的监测数据时序序列判定为第一类监测数据时序序列，并将不大于所述异常置信阈值的所述异常显著程度所对应的监测数据时序序列判定为第二类监测数据时序序列；

确定所有第二类监测数据时序序列对应的平均监测数据时序序列，并将每个所述第一类监测数据时序序列与所述平均监测数据时序序列作差，得到各个差值监测数据时序序列；

确定所有所述差值监测数据时序序列的平均差值监测数据时序序列，并将所述平均差值监测数据时序序列确定为对所述监测数据时序序列进行去噪的噪声估计。

10.根据权利要求1所述的一种破碎岩体支护施工过程的监测数据处理方法，其特征在于，根据所述噪声估计，利用谱减法对在不同位置上的多个采样周期的监测数据时序序列进行去噪，从而得到去噪后的监测数据。