基于深度学习的地震与爆破事件自动识别研究

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...     

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。     

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。     

基于小波分析的地震能量释放研究

基于地震能量与贝尼奥夫应变的关系,采用1990～2016年云南省地震局发布的所有震级地震目录和1969～2016年中国地震台网中心发布的M≥5.0地震目录,计算得到云南和中国及邻区的地震应变释放时间序列,然后采用连续小波变换方法分析出地震周期并讨论其特征和成因。结果表明,云南地区地震活动大致具有4 000 d（约11 a）的地震活动长周期,其中2008年大致具有12 d和32 d的短周期;中国及邻区地震活动大致具有400 d（约1 a）、1 400 d（约4 a）的短周期和6 a、16 a、27 a的长周期。     

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.     

华北定点形变的小波分析与地震活动研究

利用小波分析方法对华北地区１９９０ 年到１９９８ 年的多台定点形变观测资料进行了分析计算,并将计算结果与该地区的地震活动进行了对比分析,同时讨论了不同阶的小波分解结果的物理意义及其与地震之间的对应关系。认为小波分解本质是窗口加权滑动平均,能有效地对各种不同频率成分的形变按不同的频段分离,为识别地震形变异常提供一种新的手段。在空间分布上,地形变的变化幅度与地震活动强度相对应,即在华北西北部地震活动性较强的包头、张家口一带,台站形变的强度明显高于华北东南部地震活动性较弱的泰安、营口等地区。在时间分布上,张北ＭＬ６ ．２ 级地震前大约两年东西方向的形变振幅随时间变化明显加大。     

河西重力变化的小波分解与地震活动关系的研究

讨论了小波分析在地震重力测量数据分析中应用的可能性，并采用基于样条函数的小波分析及其相应的Β小波分别计算了河西地区的重力变化资料，其结果如下：①小波分解可有效分离重力场时间变化的不同空间波长成分，更清晰地看清重力场变化与地震活动的关系。②河西地区重力资料分解结果表明：反映该地区浅部物质变化的重力变化高频部分和反映该地区深部物质变化的重力变化低频部分对永登Ｍｓ５．８级地震的反应不明显，而反映该地区中层物质变化的重力变化二、三阶小波分解结果对该地震的反应较明显。重力小波分解计算结果反映的密度变化深度与地震资料统计的震源深度基本一致。     

基于CEEMDAN和小波变换的地震信号随机噪声压制新方法

提出一种结合自适应噪声完备集合经验模态分解（CEEMDAN）和小波变换（WT）的地震信号去噪新方法CEEMDAN-WT。首先利用CEEMDAN将地震信号自适应地分解为若干个固有模态函数（IMF）和余量;然后计算各分量与原始信号的皮尔森相关系数,对处在不同相关系数阈值区间内的分量分别作小波滤波、维持原状及直接剔除等处理,并进行线性重构;最后构建样本熵变化量、互信息、信噪比等指标体系,定量评估去噪效果。模拟实验与实测数据（青海玛多地震）计算结果表明,与EMD、EEMD等方法相比,CEEMDAN-WT方法能有效抑制随机噪声的影响,提高信噪比,并且地震信号的精细化重构效果较好,信号有效成分得到较大保留。     

珊溪水库地震与构造地震波谱时-频特征的对比研究

基于2002~2006年浙江地震台网记录的数字化波形资料,利用时-频分析方法,研究了珊溪水库诱发地震和构造地震波谱的时-频特征,发现两者的P波波谱存在差异:1)水库诱发地震P波主频低于构造地震;2)水库诱发地震P波频率成分比构造地震丰富,能量密度频谱随频率轴展布较宽,且出现多个能量较强的频率段;3)水库诱发地震P波能量强度的峰值在整个波列中出现时间较构造地震早且能量衰减快。     

1954-2014年云南省降水变化特征与潜在的旱涝区域响应

本文基于云南省1954-2014年32个气象站点逐月降水量资料,采用线性倾向估计法、径向基函数空间插值法、小波分析法、R/S分析法、Z指数法,分析了61年的云南省降水序列、旱涝情态的时间特征和空间格局。结果表明：在此期间除春季外,其余各季节降水量均呈现减少态势,年降水量总体以8.1 mm/10 a的速率减少,并且在未来一段时间内将保持减少趋势。多年平均降水量由云南省南部的西双版纳州向西北部的丽江市-迪庆州一带逐步减少;年降水量存在准2 a、准6 a、准8 a、准18 a、准28 a的周期性特征,且以准28 a为主周期;干旱化趋势增加速率较快（K_L=0.359）,印证了降水减少态势,洪涝化趋势减小速率相对较慢（K_I= -0.071）;旱灾易发地区主要涉及5个州,分别为迪庆州、德宏州、西双版纳州、红河州、楚雄州;洪涝易发地区涉及3州2市,依次为怒江州、大理州、文山州、普洱市及邵通市。     

基于小波变换与RBF神经网络的GNSS水汽值预测研究

利用小波变换与RBF神经网络方法预测河北省GNSS水汽值。首先对GNSS测站水汽序列进行小波分解,然后利用RBF神经网络对小波分解的高频与低频信号进行预测,最后通过实验选择合适的高频与低频信号结果重构获得GNSS水汽值预测值。以实测GNSS水汽值为标准,基于小波变换与RBF神经网络预测的GNSS水汽值精度高于单一RBF神经网络预测精度,但预测结果的精度随着预测时长的增加而降低。     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

基于小波神经网络的盲区重力数据预测

引入精度较高的小波神经网络预测局部盲区重力数据。通过实验,对比分析了不同地形数据分布状况下经度、纬度二维输入和经度、纬度、高程三维输入小波神经网络盲区重力数据预测精度,发现利用小波神经网络可以较好地实现高精度盲区重力数据的预测,同等地形条件下三维输入预测的数据精度更高,更有利于后期利用插值方法制备高精度重力基准图。同时,利用克里金法和小波神经网络对真实盲区进行预测。结果表明,两者的预测值相差不大,但小波神经网络的预测结果更为平滑,表明小波神经网络有良好的适应性。     

基于人工神经网络的多特征因子路网匹配算法

在综合考虑多个特征因子的线要素匹配时,根据经验知识确定各特征因子的权值会造成人为误差。针对该问题,本文提出了基于人工神经网络的多特征因子路网匹配算法,根据线要素的几何和拓扑特性选取长度、方向、形状、距离及拓扑5个特征因子的相似度作为路网匹配参考因子。首先,分别在参考图层和待匹配图层中选取样本数据组成样本对,计算样本数据的5个特征因子相似度,用样本数据的5个特征因子相似度和样本的匹配度组成学习模式对;然后,利用BP神经网络的误差反向传播机制自动学习调整各神经层之间的连接权值;最后,输入全部数据,计算参考图层的弧段和待匹配图层的弧段间的匹配度,实现综合多特征因子的路网匹配。实验结果表明,利用人工神经网络进行综合多特征因子的路网匹配可以提高匹配效率和匹配准确度。     

基于BP人工神经网络算法的临沂市土地利用集约状况探析

通过对2009—2012年度临沂市9县3区统计年鉴和变更调查中11个相关指标数据的搜集,借助MATLAB7.0软件平台,利用BP人工神经网络算法,算出2009—2012年度各县区土地利用集约度,并利用BP人工神经网络的预测功能,预测了2013年和2014年度土地利用集约度值,结果表明临沂市平均土地利用集约度水平正逐步从粗放利用发展到中度集约,兰山区土地利用集约度水平一直为高度集约,集约度居全市之首,罗庄区一直为中度集约,稳中有进。预计到2014年底,大部分县区在中度集约或以上,仅有费县、蒙阴2县为粗放利用。。     

一种基于小波变换的遥感影像道路自动提取方法

遥感影像上道路的自动提取是摄影测量与遥感、计算机视觉等领域的重要课题。本文通过对图像小波系数的分析,完成道路节点的提取。随后利用基于小波变换的边缘提取算子,对道路进行边缘提取。边缘提取出来之后,以道路节点为种子点,对道路进行Snake跟踪。为保证提取效果,对图像进行了预处理。实验表明,利用本文提出的理论与方法能为道路网的自动提取与识别提供一个可靠的依据,同时也对其他地物(如建筑物)的自动提取提供一个有价值的参考。     

多年平均气温空间化BP神经网络模型的模拟分析

气温数据空间化是插补无站地区温度、使气温数据便于综合分析的重要技术手段.理想情况下,气温的空间化分布受经度、纬度和海拔高度的影响,呈现规律性的空间分布态势.但是,各种微观因子如坡度、坡向、地形起伏、地表覆被等的存在,在一定程度上扰乱并弱化了这种规律性的分布态势.本文基于Matlab平台,利用BP神经网络研究了多年平均气...     

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性.采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果...     

基于MVO优化神经网络的GNSS高程异常拟合方法

针对普通神经网络的梯度消失和易陷入局部极值的问题,提出一种基于多元宇宙优化算法(multi-verse optimizer, MVO)的BP神经网络优化方法(MVO-BP),利用MVO全局寻优的特性求取BP神经网络各层之间可靠的神经元阈值与连接权,从而使神经网络预测模型具备更高的预测精度。建立基于MVO-BP算法的GNSS高程异常拟合预测模型,并采用实际工程中少量高程异常数据进行算法可行性检验。结果表明,相较于常规的BP神经网络法及多面函数法,MVO-BP法精度更高、适用性更强,可为实际工程测量中正常高的求取提供参考。