共查询到14条相似文献，搜索用时 109 毫秒
1.
针对天然地震事件、爆破事件分类问题,使用甘肃及周边地区80个天然地震事件和20个爆破事件建立数据集,采取深度学习卷积神经网络(convolutional neural network,CNN)方法搭建两个不同结构的模型进行训练,并用500条训练集之外的天然地震事件与爆破事件波形作为测试数据集,其训练和测试准确率均达到9... 相似文献
2.
三峡数字地震台网中心记录典型波形初步分析 总被引：10，自引：6，他引：4
狄莉莎 《大地测量与地球动力学》2004,24(2):52-57
对三峡地区数字地震台网中心记录的典型的天然地震、疑炮、一次爆破及一次滑坡等波形进行初步分析后认为：①数字地震仪器与模拟地震仪器所记录的地震波形特征基本一致；②三峡地区数字地震台网中心2003年5月19日至2004年1月所记录的多数天然地震事件是非构造型(由溶洞塌陷引起的陷落型)地震事件。 相似文献
3.
对山东地区2006~2017年3种地震事件--天然地震、爆破及塌陷的波形记录进行小波变换,对提取出的香农熵特征采用支持向量机LIBSVM方法进行分类识别,并设计一系列实验研究影响最终分类效果的因素。结果表明,5种影响因素--信号窗长度、小波分解方式、小波基类型、向量机算法类型、向量机核函数类型均对地震类型的分类识别结果产生一定的影响;识别率最高的3组处理方式均采用了2 000 s信号窗长度+db7小波基+υ-SVC算法的组合方式。所得的识别率较高的几种影响因素组合,在未来可应用于地震类型的实时识别,进一步提高地震类型的识别率和触发准确率。 相似文献
4.
为解决天然地震事件性质辨识依赖人工检测、自动化程度不高且误差较大的问题,利用机器学习中的最小二乘支持向量机（LSSVM）和信息论中的排列熵、近似熵及香农熵等特征参数,建立Entropy-LSSVM地震波形特征提取与事件性质辨识模型。基于2021年青海玛多MS7.4地震、云南漾濞地震事件及人工爆破干扰事件等共计500条波形数据,设计多个不同训练比例与测试比例的随机抽取子实验,采用准确率、召回率、特效度、精确度、F-measure验证该模型的有效性。实验结果表明,熵特征对天然地震和非天然地震事件波形的区分效果明显,且结合熵特征的LS-SVM模型整体性能优于QDA、LDA、朴素贝叶斯、决策树、LogitBoost及RobustBoost等方法,训练集与测试集比例为3∶2的辨识准确率和召回率分别达到99.00%和96.97%,即使训练集只有50条的辨识准确率也可达98%以上,这对天然地震事件的有效甄别有一定参考价值。 相似文献
5.
利用模板匹配方法对2016-01-21青海省门源县MS6.4地震进行遗漏地震检测以及补充单台震相到时研究。鉴于主震后短时间内目录遗漏较多,故对主震后3 h的连续波形进行检测。主震后3 h内青海测震台网记录到的余震事件共332个,其中单台57个。选取主震后ML2.0以上余震112个作为模板事件,通过匹配滤波的方式扫描出遗漏地震123个,约为台网目录的40%。利用波形互相关提取震相到时的方法对单台事件补充其他台站震相到时,对单台事件重定位,最后得出41个单台事件的震中位置。基于包络差峰值振幅与震级的线性关系估测了检测事件的震级参数,最后将检测后的余震目录与台网余震目录在主震后3 h内的最小完备震级进行了对比分析,结果发现,检测后最小完备震级从ML1.1降到了ML0.6,得到青海测震台网在门源地区最小完整性震级为ML0.6。 相似文献
6.
支持向量分类机LIBSVM方法识别天然地震、爆破与塌陷 总被引：1，自引：0，他引：1
对天然地震、爆破及塌陷的波形数据进行小波变换,并用小波转换系数提取香农熵特征,采用支持向量分类机LIBSVM多类模式识别方法对香农熵特征进行分类识别,识别率在80%~95%之间。结果表明,采用LIBSVM对波形特征进行分类的方法可以较好地识别天然地震、爆破与塌陷。 相似文献
7.
采用福建地区天然地震和人工爆破事件波形记录，通过一维离散小波变换（DWT）及4层小波包变换（WPT）对信号进行分解，提取出用于识别的4种波形小波特征：小波能量比特征、小波包能量比特征、小波包香农熵特征及小波包对数能量熵，此外还提取出P/S震相振幅比；采用BP神经网络对4种小波特征及分别加入P/S震相振幅比的组合特征进行识别效果检验，结果表明，单小波判据小波能量比特征识别效果好；双判据组合P/S震相振幅比和小波包对数能量熵的组合识别效果最好，可考虑作为实际天然地震与人工爆破在线自动识别系统的识别判据。 相似文献
8.
基于内蒙古地区及其周边(96°～126°E, 36°～54°N)2016～2021年天然地震和爆破事件,首先采用db7、sym6、rbio1.5小波基函数分别对事件波形进行离散、静态、小波包4层小波分解,然后提取能量比、香农熵、能量熵3种特征参数,最后按照不同的小波分解方式、核函数、支持向量机和特征值随机组合的方式进行288组实验。结果表明,“DWT+υ-SVC+db7+线性核+能量比+香农熵+能量熵”的识别率最高为95%,说明该方法更适合内蒙古地区,可为测震台网识别天然地震和爆破事件提供较为可靠的参考依据。 相似文献
9.
针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解（EEMD）技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数（IMF）分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法（WOA）对自组织特征映射（SOM）神经网络参数（竞争层维数、网络训练次数）进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。 相似文献
10.
依据随州三里岗ML4.7地震序列的地震监测和宏观调查所获得的基础资料,对此次地震序列的时空强特征及地震成因机理进行了分析。为使地震资料准确可靠,对混淆在序列中的爆破波形与地震波形进行了鉴别和剔除。结合这些基础资料和震源机制解结果。分析认为随州地震序列在成因上与该地区存在的北东和北西向两组断裂构造有关,但主发震构造是北西向断裂。 相似文献
11.
针对主动源地震波重复性高、信噪比低的特点,采用基于模板匹配法的地震自动检测方法,通过编写数据自动处理程序,对参考台实验期间的25 200 s的连续波形记录进行处理,识别出其中13次气枪激发记录波形并获取激发时刻。结果表明,此方法识别率达到100%,无误判情况发生。此方法对诸如地震台阵等需要进行海量数据处理的情况具有借鉴意义。 相似文献
12.
为探究ENSO事件对GNSSZTD(水汽)周期变化的影响及其相互关系,以河北省为例开展ENSO事件对GNSSZTD及其周期变化的影响研究.首先利用快速傅里叶变换方法筛选出南方涛动指数(SOI)与GNSS水汽的共同周期,再利用小波变换提取GNSS水汽与SOI共同周期所在的高频项,并将重构的高频项与SOI进行相关性分析.结... 相似文献
13.
以2009年以来江西省地震台网记录到的86个ML2.5以上地震事件的波形资料为研究对象,通过遗传算法获得介质的品质因子和台站场地响应,并在此基础上计算地震的震源谱参数。结果显示,江西地区Q值与频率f的关系式为Q（f）=323.1f0.505 9;大部分台站的场地响应在频率域表现为平坦型,整体上与台站基岩性质相符;近震级ML与地震矩M0在单对数坐标下呈线性关系,地震矩与拐角频率呈负相关特征,应力降与地震矩之间没有显著相关性;震源半径与应力降存在显著的双对数关系。 相似文献
14.
In the seismic event classification,determining the seismic features of rockfall is significantly important for the automatic classification of seismic events because of the huge amount of raw data recorded by seismic stations in continuous monitoring. At the same time, the rockfall seismic features are still not completely understood.This study concentrates on the rockfall frequency content, amplitude(ground velocity), seismic waveform and duration analysis, of an artificial rockfall test at Torgiovannetto(a former quarry in Central Italy). A total of 90 blocks were released in the test, and their seismic signals and moving trajectories were recorded by four tri-axial seismic stations and four cameras, respectively. In the analysis processing,all the artificial rockfall signal traces were cut separately and the seismic features were extracted individually and automatically. In this study, the relationships between a) frequency content and impacted materials, b) frequency content and the distance between block releasing position and seismic station(source-receiver distance) were discussed. As a result, we found that the frequency content of rockfall focuses on 10-60 Hz and 80-90 Hz within a source-receiver distance of 200 m, and it is well correlated with impacted material and source-receiver distance. To evaluate the difference between earthquake and rockfall, 23 clear earthquake signals recorded in a seven month-long continuous seismic monitoring, carried out with the four seismic stations, were picked out, according to the Italian national earthquakes database(INGV). On these traces we performed the same analysis as in the artificial rockfall traces, and two parameters were defined to separate rockfall events from earthquake noise. The first one, the amplitude ratio, is related to the amplitude variation of rockfall between two stations and is greater than that of earthquakes, because of the higher attenuation occurring for rockfall events, which consists in high frequencies whereas for earthquakes it consists in low frequencies. The other parameter, the shape of waveform of signal trace, showed a significant difference between rockfall and earthquake and that could be a complementary feature to discriminate between both. This analysis of artificial rockfall is a first step helpful to understand the seismic characteristics of rockfall, and useful for rockfall seismic events classification in seismic monitoring of slope. 相似文献