[发明专利]一种地震前兆数据异常检测方法

摘要

本发明提出了一种地震前兆数据异常检测方法，所述方法包括：获取历史地震前兆数据集，进行数据预处理，将预处理后的数据集分为训练集、验证集和测试集三个子集；构建LSTM‑RNN预测模型；将所述训练集中的数据作为输入，进行所述预测模型的训练；用所述验证集的数据，检查训练过程中误差变化情况；根据所述损失函数，设定异常触发阈值；用测试集中数据对预测模型进行测试，根据对测试集中异常数据的识别率，对所述超参数的值进行调整；利用预测模型进行地震前兆数据异常检测。本方法能够对地震前兆数据中的各类异常进行识别并进行清晰描述与准确区分，并能够识别出人工不易觉察的异常信息。

主权项

1.一种地震前兆数据异常检测方法，其特征在于，所述方法包括：S1、地震前兆数据处理；查询数据库，获取已存储的历史地震前兆数据集，根据指令进行数据预处理，将预处理后的数据集分为训练集、验证集和测试集三个子集；S2、构建LSTM‑RNN预测模型；所述预测模型分为输入层、隐藏层及输出层；其中，所述训练集作为预测模型的输入；所述隐藏层为多层，相邻之间采用全连接的方式；所述输出层为一个全连接层，其神经元的个数与需要向后预测的数据长度一致，采用线性激活方式；在所述预测模型中采用均方误差作为损失函数；S3、训练预测模型；将所述训练集中的数据作为输入，通过指令运用通过时间的反向传播算法，进行所述预测模型的训练，其中，首先初步设定预测模型超参数的初始值，然后使用贝叶斯优化去寻找超参数的最优解；S4、预测模型参数调整；根据所述损失函数，设定异常触发阈值；用测试集中数据对预测模型进行测试，根据对测试集中异常数据的识别率，对所述超参数的值进行调整，直到对测试集中异常数据识别的误差值和所触发的非异常数据的数量都达到期望值时结束；S5、保存预测模型；用所述验证集的数据，检查训练过程中误差变化情况，当训练集与验证集的误差均达到最小期望值时结束，保存预测模型及损失函数；S6、利用预测模型进行地震前兆数据预测；输入当前的地震前兆数据至所述预测模型，输出预测值，根据程序指令与异常触发阈值进行比较，判定是否为异常数据。