Classification of seismic signals at Villarrica volcano (Chile) using neural networks and genetic algorithms

Each volcano has its own unique seismic activity. The aim of this work is to construct a system able to classify seismic signals for the Villarrica volcano, one of the most active volcanoes in South America. Since seismic signals are the result of particular processes inside the volcano's structure, they can be used to forecast volcanic activity. This paper describes the different kinds of seismic signals recorded at the Villarrica volcano and their significance. Three kind of signals were considered as most representative of this volcano's activity: the long-period, the tremor, and the energetic tremor signals. A classifier is implemented to read the seismic registers at 30-second intervals, extract the most relevant features of each interval, and classify them into one of the three kinds of signals considered as most representative of this particular volcano. To do so, 1033 different kinds of 30-s signals were extracted and classified by a human expert. A feature extraction process was applied to obtain the main characteristics of each of them. This process was developed using criteria which have been shown by others to effectively classify seismic signals, based on the experience of a human expert. The classifier was implemented with a Multi-Layer Perceptron (MLP) artificial neural network whose architecture and training process were optimized by means of a genetic algorithm. This technique searched for the most adequate MLP configuration to improve the classification performance, optimizing the number of hidden neurons, the transfer functions of the neurons, and the training algorithm. The optimization process also performed a feature selection to reduce the number of signal features, optimizing the number of network inputs. The results show that the optimized classifier reaches more than 93% exactitude. identifying the signals of each kind. The amplitude of the signals is the most important feature for its classification, followed by its frequency content. The described methodology can be used to classify more seismic signals to improve the study of the activity of this volcano or to extend the study to other active volcanoes of the region.     

湖北地区地震震源参数研究

为了研究湖北地区地震震源参数特征,本文基于湖北数字地震台网记录到的S波观测振幅谱,通过遗传算法获得湖北地区的介质品质因子和台站场地响应,并在此基础上计算了湖北地区地震震源参数。结果显示,湖北地区介质品质因子Q值随频率f变化的关系式为Q(f)=501.8·f~(0.309);对于大部分台站获得了与其岩石基底相符的场地响应,没有出现明显放大效应;地震震级与地震矩对数间呈线性关系,即lg M_0=10.06+1.093M_L;震源半径与应力降间呈双对数线性关系,即lgΔσ=10.52-2.01lgr;地震矩与拐角频率间整体上呈反相关;地震矩与应力降间关系不显著。     

利用非线性方法反演琉球-台湾-吕宋地区的岩石层P波速度结构

根据中国地震台网和ISC台站提供的P波走时资料,使用差异演化全局优化算法(DE算法)和移动窗方法反演了琉球-台湾-吕宋地区岩石层尺度的P波速度结构.在台站和地震分布较为密集的地区,反演窗口为2°×2°,移动步长为1°;在台站和地震较少的地区,反演窗口为4°×4°左右,移动步长为2°.反演结果揭示出琉球-台湾-吕宋地区壳幔结构的横向差异:琉球岛弧西侧受冲绳海槽地幔热扰动的地壳减薄,东侧由于菲律宾海板决的俯冲挤压地壳略有增厚;欧亚大陆与菲律宾海板块的相互碰撞导致台湾地区地壳及岩石层明显增厚;吕宋及菲律宾北部岩石层受岛弧火山下方热流影响较大.结果表明,非线性全局优化算法和移动窗方法能够用于反演较大尺度速度结构的横向变化.     

海原-六盘山断裂带现今地震危险性的数值模拟分析

基于正交各向异性理论表征断层的变形行为,将平行断层面的剪切模量和周围介质剪切模量的比值作为反演参数,以海原-六盘山断裂附近现今GPS观测地壳水平运动速度场作为约束,通过构建三维有限元模型,采用遗传算法,反演了海原-六盘山断裂平行断层面的剪切模量分布.结果显示:六盘山断裂中南段平行断层面剪切模量与周围介质接近,且沿断层面...     

土壤铅含量高光谱遥感反演中波段选择方法研究

利用高光谱遥感数据进行了南京郊外土壤重金属元素铅的含量反演,由于高光谱数据波段众多,波段选择或变换至关重要。比较了基于次贪婪的前向选择模型的最小角度拟合和基于遗传算法进行波段选择的最小二乘和偏最小二乘拟合,结果发现基于遗传算法的偏最小二乘反演结果优于全波段的偏最小二乘,表明波段选择在高光谱反演重金属中是有益的。尽管采取了波段选择后的各方法在反演时均能达到70%以上的训练精度,但因遗传算法搜索的解空间范围更宽广,使得基于遗传算法的偏最小二乘优于前向选择模型的最小角度拟合。最后还比较了基于遗传算法的普通最小二乘和偏最小二乘拟合,结果表明偏最小二乘更优,因此在高光谱反演重金属含量当中,偏最小二乘精度较高,而在波段选择方法中,遗传算法更优。     

对TurboEdit周跳探测及修复算法的改进

概述了Turbo Edit算法的基本原理,指出了伪距观测值精度较低造成的小周跳探测不准的问题,分析归纳了不敏感周跳组合。设计了基于移动平滑窗口的探测模型,分别改进了Melbourne-Wübbena组合和Geometry-Free组合的周跳探测阈值条件,有效降低了伪距观测值精度较低对于周跳探测的影响。实验采用GPS和北斗实测双频数据进行了验证,结果表明,该算法能够准确地探测和修复双频非差观测数据中所有模拟的周跳。     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...     

GM(1,1)模型的遗传算法优化及效果检验

对平稳的数据和非平稳数据两种数据序列建立的GM（1，1）模型，分别用加速遗传算法（AGA）和最小二乘法（LSM）对模型参数求解。结果表明：对平稳变化数据序列，两种方法建立的预测模型的拟合优度和预测精度无显著差异；对变化幅度较大的非平稳数据序列，基于AGA的GM（1，1）模型的拟合优度和预测精度高于基于LSM的GM（1，1）模型的拟合优度和预测精度。     

位场各阶垂向导数换算的新正则化方法

位场垂向导数大量应用于位场数据处理与解释中.当前广泛采用的位场各阶垂向导数换算方法为基于Laplace方程并结合波数域和空间域方法的具有递推特性的ISVD(integrated second vertical derivative)算法.本文在位场垂向导数换算的正则化方法和径向平均功率谱的基础上,提出一种位场各阶垂向导数换算的新正则化方法.新正则化方法仅需通过分析位场径向平均功率谱来确定一个截止波数,即可稳定换算位场各阶垂向导数.理论模型和实测数据实验结果表明:(1)新正则化方法物理意义明确、计算简单,且各阶垂向导数换算的稳定性和精度明显优于ISVD算法;(2)在用新正则化方法求得各阶垂向导数的基础上,利用泰勒级数法可以获得大深度、高精度的位场向下延拓结果.     

相遇蚁群算法在边坡非圆弧临界滑动面搜索中的应用研究

边坡非圆弧临界滑动面搜索是边坡稳定计算中的一个关键问题,其实质为安全系数最小的滑动路径搜索问题,采用效果良好的路径搜索算法--蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点,基于蚂蚁正反向搜索相遇形成完整路径的原理,提出了一种相遇蚁群算法。将该算法用于边坡非圆弧滑动面搜索问题,提出了一种非圆弧临界滑动面搜索的新方法。通过2个边坡的算例计算及一个水库岸坡的工程应用,验证了新算法的有效性。计算结果表明,相遇蚁群算法无论是整个搜索范围还是从某一点起的搜索范围都要比一般蚁群算法大,所以相遇蚁群算法在搜索边坡临界滑动面时所得到解的多样性也要比一般蚁群算法好,因此,相遇蚁群算法的搜索范围能以较大的概率包含全局最优解,算法最终也能以较大概率搜索到全局最优解。最终,相遇蚁群算法可以在更大的范围内以更快的速度找到边坡的临界滑动面。