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。     

去噪小波包能量法在水声信号识别中的应用

对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法,该算法对信号小波去噪后,再用小波包能量法提取信号的特征;应用去噪小波包能量法研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示软阈值、硬阈值、弹性阈值3种标准的小波去噪方法均能明显提高信号识别率,其中最为显著的是软阈值标准去噪,信号的识别率可由未去噪的53 .3%提高到98. 3%,表明算法的有效性。     

去噪小波包能量法在水声信号识别中的应用

对小波包能量法进行改进，提出了一种新的方法——去噪小波包能量法，该算法对信号小波去噪后，再用小波包能量法提取信号的特征；应用去噪小波包能量法研究了不同的小波去噪方法对水声信号分类识别率的影响，在实测信号样本集上用BP神经网络进行了识别实验。结果显示软阈值、硬阈值、弹性阈值3种标准的小波去噪方法均能明显提高信号识别率，其中最为显著的是软阈值标准去噪，信号的识别率可由未去噪的53．3％提高到98．3％，表明算法的有效性。     

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。     

小样本地震信号识别研究

研究支持向量机方法在小样本地震信号识别方面的可行性,结果表明,随着样本量增加,该方法的识别率出现先升高再降低的现象。使用山东和江苏地区2006~2017年的地震数据进行实验,仅需每类30个训练样本即可达到85%左右的识别率。该方法识别率的提高不依赖于大量样本的加入,不仅适合于地震数据样本量少的地区开展地震信号识别研究,而且为精简样本库、降低运行成本提供了新思路。     

基于小波特征和神经网络的天然地震与人工爆破自动识别

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。     

多类支持向量机在语音识别中的应用

针对语音模式识别,引入多类（M-ary）支持向量机来进行分类。并详细的介绍了M-ary支持向量机的概念以及语音识别系统中的实现方式。通过仿真实验,与BP神经网络、SVM进行比较,验证了M-ary支持向量机具有识别率高,抗噪能力强等优越性。     

基于多层全连接神经网络的6C地震波极化向量识别研究

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%。     

基于主成分分析的水淹层动态预测方法

针对高含水期水淹层变化的动态特性,提出一种基于主成分分析的最小二乘支持向量机水淹层动态预测方法.该方法应用数据挖掘方法与改进的支持向量机方法,研究高含水期水淹层的分类识别问题,找到测井参数曲线与水淹级别之间的非线性映射关系,建立适合高含水期水淹特征的动态识别模型.它不仅充分考虑各种影响因素,而且利用主成分分析法准确提取...     

雅鲁藏布江中部流域土地沙化遥感识别

雅鲁藏布江中部流域长期遭受土地沙化侵蚀,采取有效手段进行沙化土地信息快速识别,跟踪土地沙化现状和动态发展,是土地沙化防治的基本前提。遥感数据因其快速、大范围、高精度监测等特点已被广泛应用于土地沙化监测。为降低该区域沙化土地破碎化分布特征以及广泛分布的稀疏植被地表对沙化土地遥感识别带来的不确定性,本文利用Google Earth Engine平台获取2019年秋季雅鲁藏布江中部流域Landsat无云遥感影像,基于面向对象的分类思想,充分提取沙化土地的光谱、几何和地形特征,根据不同的分类器构建4种分类方案,包括单一分类器(支持向量机、决策树、最近邻)分类以及组合分类法分类,提取雅江中游河谷地区沙化土地信息并验证不同方案的提取精度。结果表明:(1)利用面向对象组合分类模型提取的沙化土地信息效果最佳,总体精度高达91.38%,Kappa系数为0.82;(2)相较于采用单一分类器(支持向量机、最近邻和决策树分类)的面向对象分类方法,组合分类模型能更有效地识别破碎化的小面积沙化土地,降低沙化土地与稀疏植被地表的混淆情况,提高分类可靠性;(3)基于面向对象组合分类模型反演得到雅鲁藏布江中部流域201...     

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。     

利用小波变换方法分析跨断层形变异常

为了从跨断层形变观测资料中获取中强地震的前兆异常信息，运用二进小波变换方法和噪声与信号的定量识别方法，分析了不同尺度的小波变换的细节信号变化特征。研究结果表明：(1)不同尺度小波变换分解的细节信号显示出不同的时变特征。当尺度为1时。细节信号主要为噪声；尺度为2、4、5时，细节信号主要为非平稳信号；尺度为3时，细节信号主要为平稳周期信号；(2)每月观测一次的跨断层形变资料在尺度为3时的细节信号有较好的年周期特征；(3)当尺度为3时的细节信号变化超出2倍均方误差时，测点周围200km左右范围内发生中强地震的可能性很大。     

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。     

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。     

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.     

2019-07 Ridgecrest地震及其余震的双差重定位分析

选取加州理工学院（Caltech）、美国地质调查局（USGS）及南加州地震数据中心（SCEDC）的震相观测报告和数字波形数据,结合波形互相关技术,利用双差定位方法单独和联合反演Ridgecrest M_W6.4前震、M_W7.1主震及震后1个月内M_W≥2.5余震的震源参数。精定位结果显示,2 098次地震事件形成4个事件簇,得到高达97%重定位率的震源参数;地震序列走时残差为65 ms,互相关走时残差为57 ms。精定位后震中位置线性特征更为显著,震群空间分布呈L型和T型特征,余震展布长约90 km,宽约25 km。定量分析地震活动与断层构造的关系,结果表明,Ridgecrest地震序列始于深部并向浅部区域传播,震源深度主要分布在4~8 km范围,呈分段条带特征,揭示Ridgecrest地震序列对该处规模不一的多断层构造组成的复杂断层系造成破坏,小湖断裂带为地震序列的发震断层。