基于多层全连接神经网络的6C地震波极化向量识别研究 |
| |
引用本文: | 廖成旺,庞聪,江勇,吴涛.基于多层全连接神经网络的6C地震波极化向量识别研究[J].大地测量与地球动力学,2024(4):331-335+435. |
| |
作者姓名: | 廖成旺 庞聪 江勇 吴涛 |
| |
作者单位: | 1. 中国地震局地震研究所;2. 武汉引力与固体潮国家野外科学观测研究站;3. 湖北省地震局 |
| |
摘 要: | 利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。
|
关 键 词: | 极化向量识别 六分量地震波 多层全连接神经网络 支持向量机 |
|
|