| 基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别 |
| |
| 引用本文： | 庞聪,江勇,廖成旺,吴涛,丁炜.基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别[J].西北地震学报,2022,44(5):1169-1175. |
| |
| 作者姓名： | 庞聪 江勇 廖成旺 吴涛 丁炜 |
| |
| 作者单位： | 中国地震局地震研究所,湖北 武汉 430071 ；地震预警湖北省重点实验室,湖北 武汉 430071 ；湖北省地震局,湖北 武汉 430071 |
| |
| 基金项目： | 湖北省自然科学基金(2019CFB768)；中国地震局地震研究所和应急管理部国家自然灾害防治研究院基本科研业务费专项资助项目(IS201856290，IS2018126178，IS201726156)；中国大陆综合地球物理场仪器研发专项(Y201707) |
| |
| 摘 要： | 针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法.通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及离散余弦变换等步骤,提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集.使用灰狼算法优化支持向量机径向基核函数 RBF中的惩罚系数和核函数半径形成新的 GWO-SVM 分类器,然后对事件进行辨识.结果表明:GWO-SVM 分类器辨识效果明显优于 SVM、RobustBoost集成学习、LDA、PLDA 等分类器,其在1000次循环识别实验下的准确率均值相对 SVM 提高了9．2个百分点,标准差降低了3．2以上;t检验证明 MFCC样本熵各特征具有可靠的地震事件分类效果;GWO-SVM与 MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据.
|
| 关 键 词： | 梅尔频率倒谱系数 样本熵 灰狼算法 支持向量机 径向基核函数 自动识别 |
|
| 点击此处可从《西北地震学报》浏览原始摘要信息 |
| 点击此处可从《西北地震学报》下载免费的PDF全文 |
|
