基于经验模态分解的地震波特征提取的研究

本文原始数据为35个天然地震和27个人工爆破事件的离震中最近的5个台站的垂直分量波形数据.从原始波形数据分别提取最大振幅对应的周期、倒谱的方差、自相关函数的最大值3个特征.依据希尔伯特黄变换原理,用经验模态分解方法把原始波形信号分解为10个左右的本征模态函数分量后,再从每个分量中分别提取这3个特征.接着对所获取的特征样本集合采用随机划分法分为学习样本集与检验样本集,然后再通过支持向量机进行分类识别,如此反复进行多次样本划分和分类识别.结果表明经验模态分解后的分量信号提取的这3个特征具有更高的识别率,说明了经验模态分解有利于识别天然地震和人工爆破事件,值得进一步深入研究.     

基于EMD的IMF时域统计特征提取及其应用于震动事件源类型识别研究

文章对地震波形进行经验模态分解(EMD),对分解后的内模函数(IMF)进行时域特征提取,由所提取的特征对天然地震和人工爆炸2类事件源类型进行分类识别,结果表明,由IMF所提取的时域特征具有良好的区分识别能力.采用经验模态分解将原波形信号分解为7个内模函数和残差函数,对原波形、每个内模函数和残差函数分别提取26个时域统计...     

基于STFT和CNN的地震信号分类识别研究

地震信号分类——即信号震源类型的分类,尤其是天然地震和人工爆破的分类对于地震目录的清洗和强震实时预警等具有重要意义.本文首先对原始波形信号进行必要的预处理,然后对预处理后的信号进行分帧加窗,对窗内信号采用短时傅里叶变换,将原始波形信号从时域转换成时频域信号,生成时频谱图,每条波形生成一个时频图像;经过反复多次试验比较,将原尺寸时频谱图统一缩放为32×32像素大小的灰度图像,该灰度图像作为卷积神经网络(CNN)的输入,此时的分类效果和计算效率最优.采用以上方法对2010年至2016年发生在河北三河和北京通州等地区,震级为1.5 ～2.8级之间的54个天然地震事件的1674条波形和63个人工爆破事件的1509条波形,采用五折交叉验证法进行分类,得到的平均准确率为97.39％,与传统的支持向量机(SVM)方法和多层感知器(MLP)方法对比,分类准确率有大幅提升,与使用梅尔倒谱系数(MFCC)构建的CNN分类器方法对比,本文方法信噪比更低,分类准确率提高约1.5％.实验结果表明,采用短时傅里叶变换提取地震信号时频域特征,生成时频谱图,使用卷积神经网络对地震信号进行分类具有良好的分类效果.     

Investigation into the automatic recognition of time series precursor of earthquakes

ＩｎｔｒｏｄｕｃｔｉｏｎＷｈｅｔｈｅｒｅａｒｔｈｑｕａｋｅｓｃａｎｂｅｐｒｅｄｉｃｔｅｄｏｒｎｏｔｉｓｓｔｉｌａｐｒｏｂｌｅｍｉｎｃｏｎｔｒｏｖｅｒｓｙｉｎｔｈｅｓｅｉｓｍｏｌｏｇｉｃａｌｃｉｒｃｌｅ．Ａｔａｎｙｒａｔｅ,ｈｏｗｅｖｅｒ,ｐｅｏｐｌ...     

非线性R/S方法研究及其在地震预测中的应用

非线性Ｒ／Ｓ方法研究及其在地震预测中的应用王碧泉，黄汉明，范洪顺，王春珍，陈佩燕（中国北京国家地震局地球物理研究所中国北京１０００８１）主题词：非线性理论；中期预报；分数维；Ｒ／Ｓ方法；赫斯特指数Ｈ近几年来，非线性科学及其在地球物理学中的应用研究已引...     

Research on nonlinear R／S method and its application in earthquake prediction

ＲｅｓｅａｒｃｈｏｎｎｏｎｌｉｎｅａｒＲ／ＳｍｅｔｈｏｄａｎｄｉｔｓｐｐｌｉｃａｔｉｏｎｉｎｅａｒｔｈｑｕａｋｅｐｒｅｄｉｃｔｉｏｎＢｉ－ＱｕａｎＷＡＮＧ（王碧泉）；Ｈａｎ－ＭｉｎｇＨＵＡＮＧ（黄汉明）；Ｈｏｎｇ－ＳｈｕｎＦＡＮ（范洪顺）；Ｃｈｕｅｎ...     

对不同结构样品进行识别的PTR算法研究及其应用

阐述了4种模式识别方法。在样品平面投影、典型样品分析和这几种模式识别方法的基础上, 提出了对不同结构样品进行识别的PTR方法。文中还给出了两个应用实例。结果表明, PTR方法的效果较好。      

天然地震与人工爆破的波形小波特征研究div

研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别．首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用upsilon;-SVC支持向量分类机对这3种特征的分类能力进行了外推检验．通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响．结果表明,上述３种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据．