基于卷积神经网络的地震波形智能识别研究          下载免费PDF全文

(郑周    林彬华  金星    韦永祥   丁炳火  陈辉) 《世界地震工程》2023,39(2):148-157

随着世界上多个国家和地区的地震预警系统投入运行，误报和漏报等问题逐渐突显，特别是将标定以及强干扰波形误识别为大震事件，快速、精确地区分地震与其他波形是一个难题。针对于此，该研究提出了基于卷积神经网络地震波形智能识别方法。首先收集并处理了2012—2017年中国境内福建以及周边邻省共683个地震和478个爆破事件，并对这些样本筛选、截取和基线校正等预处理，共得到了27 500条三通道波形。在此基础上，构建了3 s波形输入的卷积神经网络模型(SW-CNN)。结果表明：模型对地震、噪声、爆破和异常波形的识别率分别为97.9、99、99.2和99.3%。相比于人工手动分类识别，该模型更省时和更稳定，为地震预警目前所面临的问题提供了一个新的解决方法。  相似文献   

一种面向细粒度空气质量分指数(IAQI)预测的时空因果卷积模型          下载免费PDF全文

张羽民  赵俊杰  梅强  刘希亮  陈卓栋  李建强  王少华  石宇良  柴金川  高雨瑶  井小倩  杨念迪  马小焱 《地球信息科学学报》2023,25(1):115-130

精确、细粒度空气质量分指数（Individual Air Quality Index, IAQI）预测是空气质量指数（Air Quality Index, AQI）的基础，对于空气质量防治和保护人类身心健康均具有重要意义。目前传统时序建模、循环神经网络（Recurrent Neural Network, RNN）、图卷积网络（Graph Convolutional Network, GCN）等方法难以有效融合时空因素和气象因素，稳定提取监测站点间动态边缘关系。本文提出了基于时空因果卷积网络（Spatial-Temporal Causal Convolution Networks, ST-CCN）的空气质量分指数预测模型ST-CCN-IAQI。首先采用空间注意力机制分析多源空气污染物和气象因素的空间效应；其次利用堆叠膨胀卷积和时间注意力机制提取特征矩阵的时间依赖性特征；最后采用贝叶斯调优方法对膨胀卷积的多种参数进行了调优。本文采用上海市空气监测站空气质量分指数（IAQI-PM2.5）数据展开实验，并采用一系列基线模型（AR、MA、ARMA、ANN、SVR、GRU、LSTM和ST-GCN）与ST-CCN-IAQI效果进行对比。实验结果显示：① 在单测站测试中，ST-CCN-IAQI的RMSE和MAE值分别为9.873、7.469，相比基线模型平均下降了24.95%和16.87%；R²值为0.917，相比基线平均提升了5.69%；② 对全部站点的IAQI-PM2.5、IAQI-PM10和IAQI-NO2的预测，证明了ST-CCN-IAQI具有较强的泛化能力和稳定性。③ 采用Shapley分析方法论证了IAQI-PM10、湿度、IAQI-NO2对IAQI-PM2.5的预测具有较大程度的影响；通过不同数据抽样条件下的Friedman检验，证明了ST-CCN-IAQI对比基线模型有显著的性能提升。ST-CCN-IAQI方法为细粒度IAQI精准预测提供了一种鲁棒可行的解决方案。  相似文献   

基于双流残差卷积神经网络的养殖鳗鲡(Anguilla)摄食强度评估研究          下载免费PDF全文

李凯  江兴龙  许志扬  林茜 《海洋与湖沼》2023,54(4):1207-1216

为实现对养殖鳗鲡(Anguilla)摄食强度的准确评估,提出了一种基于双流残差卷积神经网络的鳗鲡摄食强度评估方法,该方法针对传统双流网络(Two-stream)中存在的问题做出了相应的改进。首先针对传统双流网络存在网络结构较浅,无法提取到充分的鳗鲡摄食行为特征的问题,选择使用ResNet50网络进行替换,以提取到更具代表性的特征。其次针对传统双流网络最后的分类结果是把空间流和时间流的得分取平均值融合而获得,这种方式较为简单,且其空间流和时间流网络为独立进行训练,容易导致网络出现学习不到鳗鲡摄食行为的时空关联特征的问题,选择使用特征层融合方式对空间流和时间流网络提取获得的特征进行融合,让网络能够并行进行训练,以提取到时空信息间的关联特征。试验结果表明:文内提出的基于双流残差卷积神经网络的鳗鲡摄食强度评估方法准确率达到98.6%,与单通道的空间流和时间流网络相比,准确率分别提升了5.8%和8.5%,与传统的双流网络相比准确率也提升了3.2%。  相似文献   

基于双路图卷积的黄河三角洲湿地地物分类研究          下载免费PDF全文

郭防铭  李忠伟  孟乔  王雷全  张杰  胡亚斌  梁建 《海洋科学》2023,47(5):121-130

黄河三角洲湿地地物精确分类对湿地资源的保护、开发和利用具有重要意义。目前的湿地分类算法大多存在着全局信息利用不足,地物类型边界不易区分等问题,导致分类精度不高。针对此问题,本文提出了基于双路图卷积的黄河三角洲湿地地物分类算法,包括图结构数据构建模块、特征提取与融合模块两部分。图结构数据构建模块,设计欧式图表示光谱值之间的绝对差异,衡量不同地物类型,设计余弦图表达不同像素光谱波形之间的差异,用以区分不同的地物边界;特征提取与融合模块,利用图卷积聚合全局信息,对欧式图利用双层图卷积进行特征提取,对余弦图使用图U-Net网络进行特征提取,之后将两个特征融合,得到同时具有光谱值绝对差异和光谱波形差异的融合特征,最后进行分类。在CHRIS和GF5两个数据集的实验结果表明,本文所提算法在黄河三角洲湿地地物分类中取得了具有竞争力的分类结果。  相似文献