支持向量分类机LIBSVM方法识别天然地震、爆破与塌陷

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。     

基于支持向量机的内蒙古地区台网天然地震与人工爆破的自动识别与分析

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。     

使用支持向量机识别地震类型的影响因素分析

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。     

基于最小二乘支持向量机与熵特征的地震事件性质辨识研究

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M_S7.4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。     

Morlet变换在超宽频带地震仪记录的汶川震前数据处理中的应用

介绍了Morlet小波变换的基本原理和特点。以汶川地震为例，选取2008-05-01~05-12的地震计垂直向连续波形数据，使用Morlet小波变换得到时频谱。分析时频图发现，在汶川地震发生前的数十h中，0.1~0.2 Hz频段的能量幅值出现明显的递增趋势，是非台风扰动引起的频率异常，与已有论文结论符合良好，证明Morlet小波变换是分析震前频率特征的有效方法。     

基于小波包变换的爆破震动信号能量分析方法

爆破震动效应测试和分析对于评估工程爆破安全和爆破效果非常重要,但对于采集到的爆破震动信号,在数据的处理和分析上还存在着诸多不足.在阐释小波变换基本原理的基础上,给出了爆破震动信号能量分析方法的理论解析,并结合应用实例,对爆破震动信号进行小波包能量分解.研究结果表明,基于小波包变换的能量分析方法可以较好地揭示信号在不同频带范围内的局部分布特征,从而为可靠地进行建(构)筑物爆破震动效应安全评估奠定理论基础.     

地震与爆破波形信号的EEMD多尺度分布熵提取和WOA-SOM神经网络识别研究

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。     

空气中声波在井下地震计记录强度的特征分析

基于理论地震图，分别探讨台站埋深、S波速度以及衰减结构对井下地震计噪声强度的影响，发现当台站深度小于参考深度即S波速度与声波速度相等的深度时，声波转换波/P波振幅比随深度变化较小；而当台站深度大于参考深度时，声波转换波/P波振幅比随深度指数下降。利用2015年天津爆炸事件在井下地震计记录的波形，分析井下地震计噪声强度的变化特征，其结果与基于理论地震图的结果一致。     

基于波形互相关的爆破震相识别研究

利用内蒙古测震台网地震事件资料,选取爆破事件中SNR较高的8个爆破事件波形作为模板,使用基于波形互相关系数的模板匹配方法进行震相识别。研究结果表明,在震级相近的情况下,相同类型地震事件各自对应的波形之间互相关系数较大,可作为地震类型判别的依据。     

陶乐地震台地表与井下地震计记录波形对比研究

为定量研究地表与井下背景噪声的异同,在同一台站地表架设地震计,与井下地震计进行同步观测。首先选取样本数据计算背景噪声功率谱密度,分析不同类型地震计安装在不同深度时功率谱密度及平均噪声RMS值的变化特征。通过对比分析3种地震计记录的近震和远震波形发现,地表宽频带、短周期和井下短周期地震计记录的近震波形都比较清晰,震相易于识别,且地表宽频带与井下短周期地震计记录的远震波形更清晰;而地表短周期地震记录的远震波形较差,失真严重,震相不易识别。在进行震源频谱对比分析中发现,相对于地表地震计,井下地震计记录的近震波形在7~12 Hz频段受干扰较为严重,远震波形则在4~7 Hz频段受干扰严重,震相分析时需慎重处理。     

Rockfall seismic features analysis based on in situ tests:frequency,amplitude, and duration

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.     

基于小波包变换的地震信号频带序号到结点序号的快速转换算法

针对小波包处理地震非平稳信号过程中存在的“跳频”现象,以及现有方法不能快速准确地得到地震信号高层次小波包分解时频带序号和结点序号的排列规律的弊端,基于小波包变换算法和异或运算,提出一种频带序号到结点序号的快速转换算法。基于MATLAB平台,以唐山南北向地震波为例,编制相应程序进行分析,得到的地震频带序号与其小波包树结点序号的排列规律与现有方法得到的结果完全一致,验证了该转换算法的正确性。     

线性Radon变换噪音压制法及其在古龙断陷中的应用

针对松辽盆地北部古龙断陷地震资料信噪比低、线性干扰强特点,提出应用线性Radon变换进行叠前线性噪音压制的预处理方法,Radon变换可在炮集和CMP道集上进行运算,算法简单,易于编程实现,其积分路径的特点适合线性噪音压制.模拟数据和实际地震资料应用结果表明,线性Radon变换法能够实现保幅的线性噪音压制,是叠前提高地震资料信噪比的实用方法,在地震资料预处理中具有应用前景.     

基于小波互相关的微地震信号检测方法研究

提出一种基于小波互相关技术的微地震信号自动检测方法，利用复Morlet小波在特定尺度上对地震波形进行变换，分析其相位角相关性，设置合理的相似度阈值自动检测微小地震。对2018-05-01新疆昌吉M_L4.8地震后30 min的波形进行检测测试，共发现11个微地震事件，并给出其检测台站的P波到时结果。与中国地震台网中心地震统一编目结果对比发现，无漏检、错检，P波到时结果相差基本在1 s之内，认为将该方法用于地震序列微地震检测具有一定的可行性。