[发明专利]基于卷积神经网络的地震波识别算法

摘要

本发明公开一种基于卷积神经网络的图像识别和特征提取方法，主要包括如下步骤：挑选足够数量能够支持网络训练的地震与非地震的数据；对数据进行去噪、起点处截取等相关预处理确保数据的可用性；根据需求搭建卷积神经网络，在调试以及测试的过程中再根据需要和效果不断调整层数和一些重要参数；采取dropout，Batch Normalization等一些防止过拟合的手段；将地震数据以三分量三通道的形式传送到网络中，进行不断的训练与调试，进行多番训练后用网络模型进行测试，根据结果调整训练数据的组成比例、迭代次数以及数据量的大小；通过此方法我们可以达到97.17％的准确率对地震波进行识别。

主权项

1.一种基于卷积神经网络的判断自然地震波的方法，其特征在于，包括如下步骤：步骤一、模型训练数据采集；首先通过STA/LTA的方法找到地震数据内p波起点的位置，从p波起点向后截取169秒即16900个数据点作为单个台站单次地震事件在该维度上的训练数据；任何一个地震事件由南北、东西、垂直于地表这三个纬度进行记录，因此对于单个台站单次地震事件，该模型会获取大小为3×16900的向量；在将该向量添加进训练集的过程中使用滑动窗口取平均值的方法控制数据规模，并将三个纬度上的数据按照东西、南北、垂直的顺序进行拼接；不断重复这个过程直至所有提供的训练数据被加载进训练集；步骤二、搭建网络结构并训练；采用一个八卷积层、三全连接层的卷积神经网络，每一层设置相同的卷积尺寸大小和不同的卷积通道数；使用的卷积尺寸为1×3，每次卷积运算的步长为1，每个卷积层卷积通道数为16、16、24、32、32、48、64、64，对于每一个卷积层添加了正则化处理；分别在第1、3、4、6、8层设置了池化窗口为1×2的池化层；对于全连接层采用了keep_drop算法改善过拟合情况，保留系数为0.65；训练的过程中采用了mini_batch方法进行分批训练，加快训练速度，单批训练样本数量为256；最后得到地震波识别模型。