[发明专利]一种应用于实验室地震波预测的方法及其装置

权利要求书

1.一种应用于实验室地震波的预测方法，其特征在于，包括以下步骤：

S1.提取实验室产生的连续地震波时间序列信号并对其进行过采样得到连续地震波时间序列信号样本；

S2.对连续地震波时间序列信号样本进行预处理得到第一处理信号；

S3.提取第一处理信号中地震波的有效特征、地震波的统计学特征和地震波的基础特征；

S4.将地震波的有效特征、地震波的统计学特征和地震波的基础特征进行提升计算得到第一计算信号，将第一计算信号融合已搭建好的CNN卷积神经网络模型进行预测；

S5.输出S4中预测出的实验室下一个地震前的剩余时间。

2.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，对连续地震波时间序列信号进行的预处理过程为：将连续地震波时间序列信号进行时域到频域的转换，并使连续地震波时间序列信号经过不同频带的滤波器进行信号滤波得到第一处理信号。

3.根据权利要求2所述的一种应用于实验室地震波预测的方法，其特征在于，若连续地震波时间序列信号波形稳定，则采用傅里叶变换方法对连续地震波时间序列信号进行时域到频域的转换；若连续地震波时间序列信号波形不稳定，则采用小波变换方法对连续地震波时间序列信号进行时域到频域的转换。

4.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，采用STA-LTA长短视窗信号算法提取第一处理信号中地震波的有效特征。

5.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，采用统计学方法提取第一处理信号中地震波的统计学特征。

6.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，采用机器学习算法提取地震波的基础特征。

7.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，对地震波的有效特征、地震波的统计学特征和地震波的基础特征进行的提升计算采用lightgbm算法。

8.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，CNN卷积神经网络模型搭建时采用更深，更广的网络进行训练或采用多个更小的卷积核进行提取。

9.一种应用于实验室地震波预测的装置，其特征在于，包括：过采样模块、预处理模块、特征提取模块、计算模块和预测模块；

过采样模块用于提取实验室产生的连续地震波时间序列信号并对其进行过采样得到连续地震波时间序列信号样本；

预处理模块用于对连续地震波时间序列信号样本进行预处理得到第一处理信号；

特征提取模块用于提取第一处理信号中地震波的有效特征、地震波的统计学特征和地震波的基础特征；

计算模块用于对地震波的有效特征、地震波的统计学特征和地震波的基础特征进行提升计算得到第一计算信号；

预测模块用于将第一计算信号融合已搭建好的CNN卷积神经网络模型进行预测并输出预测结果。