[发明专利]基于深度学习特征融合的地震震级快速估算方法

权利要求书

1.一种基于深度学习特征融合的地震震级快速估算方法，包括如下步骤：

(1)收集地震监测台站监测到的地面震动波形记录以及相应的地震目录，所述地震目录包括监测到的一次地震事件中P波到达台站的时间以及该次地震震级；

(2)通过对步骤(1)所收集到的地面震动波形记录进行预处理，得到对应的数据样本，其包含了实际监测到的一次地震事件中一段长度为3s的地面震动波形数据以及该次地震的震级，其中的波形数据从P波到达台站的时间为截取起点；

(3)计算提取每一数据样本的传统参数特征以及统计特征，所述统计特征包括加速度最大值、速度最大值、累计速度值平方和以及地震波形的滑动窗口标准差；

(4)构建并训练深度模型用以提取数据样本的波形图像特征以及波形时序特征，其中用于提取数据样本波形图像特征的深度模型从输入至输出由六个卷积模块以及一个全连接层依次连接构成，用于提取数据样本波形时序特征的深度模型从输入至输出由三个卷积模块、一个双向LSTM层以及一个全连接层依次连接构成；

所述双向LSTM层中的神经元数量为64，所述卷积模块从输入至输出由卷积层、最大池化层以及批归一化处理模块依次连接构成，所述卷积层采用32个宽度为3的卷积核对卷积模块的输入以步长为1进行卷积操作，所述最大池化层采用大小为2的池化窗口，步长为2；所述全连接层的输入为前级输出摊平后的结果，其具有一层网络隐层，神经元数量为16，且采用激活函数Relu处理；

(5)将步骤(3)和步骤(4)中提取得到的所有特征进行融合，构建每一数据样本对应的特征向量，利用特征向量训练XGBoost模型，得到用于地震震级快速估算的预测模型；

其中将数据样本的传统参数特征、统计特征、波形图像特征以及波形时序特征通过拼接进行融合，构建得到数据样本对应的特征向量，以数据样本中地震震级作为XGBoost模型输出预测结果的真值标签，采用网格搜索的方法对XGBoost模型进行训练，以确定模型最优参数，同时在模型中通过增加震级大于5的特征向量权重的方法，以缓解大震级估算低估问题；

(6)对于待测的地面震动波形记录，根据步骤(2)～(4)计算提取其所有特征拼接后输入预测模型中，即可输出预测得到其地震震级。

2.根据权利要求1所述的地震震级快速估算方法，其特征在于：所述步骤(3)中采用P_d和τ_c算法提取数据样本的传统参数特征。