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。     

΢��̨����ľ��ܶ�λ�·���

????????GPS??λ????????????????????????λ?·???????????λ?????λ?????????????????????÷??????λ??????????????????????????????????????????м?????????     

΢�����ݲɼ��߾���ʱ��ͬ��������������

??????????????????????и????????????????н?????????GPS??????????????????????????????????????????????????????????????????????????????????0.1ms????????????????????????     

青岛市县气象网络热备份的设计与实现

介绍了青岛市气象局与所辖县市局通过VPN网络进行业务网络线路热备份的设计方案和具体实现,给出了详细的配置方法和测试结果。应用实践证明,VPN网络是经济、可靠的专网备份方式。     

����΢��̨�����ƺ�ʵ��

???????????????????????????????????????????????????????????????????????????????6??????????????????????????????????????Χ????????????????С?????????????????????????????Ч???     

高速数据采集系统工频陷波频域算法研究

工频干扰相对高速采集系统内的信号频段极窄,时域内工频陷波需要很好的衰减特性,传统IIR、FIR等时域方法设计需要非常高的阶数,软硬件实现较为困难。以高采样率地震电磁辐射脉冲观测系统为例,结合系统核心处理器TMS320C6416的特点,选择频域滤波算法,并对此算法加以改进,使之能够实现信号的完美重构并满足系统的实时性要求,理论证明该算法原理简单、耗时少,能够有效抑制地震电磁脉冲工频干扰,仿真结果也验证了该算法的有效性。     

���α�����й��˴����·���

????????????????????????????·?????ù???????Bragg??????????????????淽??????????????????????????????????????α?????е??·?????????????п????????????????????????????????????????????