基于LOF的K-means聚类方法及其在微震监测中的应用

矿山微震事件集群是分析矿震的重要参考之一，其准确的划分对矿山微震分布特征和微震活动分析具有重要作用。提出了1种基于局部离群因子(Local Outlier Factor, LOF)的K-means聚类算法并构建了综合SSE评价指标和模型，通过LOF算法检测异常微震事件和选取初始聚类中心，利用Krzanowski-Lai指数确定最佳聚类分组数；采用模拟计算比较了不同数据集大小的聚类效果。结果表明:基于LOF的K-means聚类方法评分最高，聚类结果最好；并利用该聚类方法分析用沙坝矿1 649个微震事件的分布特征与微震活动性。实例表明，K=7为最佳聚类分组数，聚类簇的划分受断层滑移和矿山生产活动的影响。