[发明专利]一种基于非震动态背景场的地震TEC异常信息提取方法

摘要

本发明提出一种基于非震动态背景场的地震TEC异常信息提取方法，包括以下步骤：动态背景场建立、小波多尺度分析、支持向量机回归模型和异常信息提取方法；本发明通过非震动态背景场，在考虑了TEC自身的周期性变化，同时还考虑了太阳活动、地磁活动等空间环境的干扰，可以提取的地震TEC异常更为准确，同时可以减少地震电离层TEC异常信息提取过程中其它非震因素带来的干扰和误差，提高地震TEC异常检测的准确率，在地震期有较高的预警率，而在非震期虚警率较低，可以提高地震TEC异常信息提取效率。

主权项

1.一种基于非震动态背景场的地震TEC异常信息提取方法，其特征在于：包括以下步骤：步骤一：动态背景场建立在地震电离层TEC异常信息提取前，首先应找到地震造成的电离层TEC扰动与其他扰动因素，然后对归一化后的太阳在10.7cm辐射通量的值和TEC值进行傅里叶变换，分析两者频谱图，对太阳活动与TEC之间的关系进行分析，然后先剔除TEC数据的半年周期和年周期性成分，再利用SVR模型进行与非震因素的回归建模；对于TEC原始信号为一个整体，其受到其他扰动因素影响，在时间序列上表现不断波动，根据公式(1)进行计算可以得出对于TEC原始信号T₀；T₀＝T₁+T₂+T₃+T₄+T_e   (1)公式(1)中，T₁为太阳周期性活动的影响，主要表现在长周期变化上；T₂为TEC自身稳定的年周期及半年周期成分波动；T₃为地磁和空间宇宙环境活动的影响；T₄为极为非地震因素的TEC扰动；T_e为地震引起的TEC扰动；其中，太阳周期性活动的影响T₁、TEC自身稳定的年周期及半年周期成分波动T₂和地磁和空间宇宙环境活动的影响T₃为TEC波动的主要来源，准确模拟出T₁、T₂和T₃的扰动情况，再根据计算公式(2)进行计算可以得出最后的TEC非震动态背景值T_back；T_back＝T₁+T₂+T₃   (2)步骤二：小波多尺度分析利用小波分析中的一维小波多尺度分析，分析公式如公式(3)所示：公式(3)中，a，b均为常数，函数是由Ψ(t)函数伸缩和平移变换得到，a为伸缩因子，b为平移因子，因此a,大小组合决定了Ψ_a,b(t)的形式；小波多尺度分解可以看作一组高、低通滤波器对信号进行层叠滤波的结果，其中高通滤波器输出各尺度下的高频细节成分，低通滤波器输出反映信号的低频近似成分，通过对TEC原始信号T₀多层分解得到不同周期的高频细节成分，TEC原始信号中7阶高频细节成分正好对应着半年周期成分，TEC原始信号中8阶高频细节成分正好对应着年周期成分，提取7阶高频细节成分与8阶高频细节成分，即为公式(1)中TEC自身周期成分T₂，而TEC原始信号T₀减去TEC自身周期成分T₂得到TEC周期残差T_r；步骤三：支持向量机回归模型利用支持向量机回归模型，将SVM推广到非线性回归估计中，得到支持向量回归算法，是通过核函数将线性不可分样本数据T＝{(x₁,y₁),……(x_l,y_l)}∈(x×y)^l映射到线性高维特征空间，然后通过解决最优化问题得到回归函数f(x)＝ω·φ(x)+b，φ(x)为非线性映射函数；采用ε不敏感损失函数和核函数的支持向量回归数学形式如公式(4)所示：公式(4)中，C为惩罚参数；ξ_i和为模型的松弛变量；当实际值和预测值的误差未超过预设的ε时，则认为在该时间点的预测是不存在损失的，再利用SVR构建太阳活动、地磁活动指数与T_rest之间的回归模型；步骤四：异常信息提取方法T1：建立数据样本集将2004年‑2011年的全球电子总量地图数据按世界时和地理空间位置分成不同的数据集，然后分别对每个数据集进行处理；T2：小波多尺度分解将T1中的每个数据集按时间序列排成一维向量，然后分别对每个一维向量进行小波多尺度分解，其中小波基为db8，小波分解得到每个数据集序列的7阶高频和8阶高频，然后用TEC原始信号T₀减去小波分解的7阶高频与8阶高频结果，即得到去除半年周期与年周期的TEC周期残差T_r；T3：SVR建模过程模型建模训练过程中，将表征太阳活动和地磁活动的9个变量输入模型内；混频数据匹配：SVR建模前需要将混频数据进行匹配，统一所有数据为2小时分辨率；非震样本筛选：为了保证模型训练输入输出均为未受地震干扰的数据，SVR建模前需要对每个数据集进行非震样本筛选，选择不受地震干扰的数据输入模型进行训练；输入输出标准化处理：在SVR回归建模之前，需要对回归建模数据指标进行标准化处理，选择最大最小0‑1归一化方法进行标准化处理；SVR建模：对归一化之后的指标数据，随机选取输入数据中80％的数据作为SVR模型的训练集，剩下20％作为SVR模型的测试集，SVR模型核函数选择RBF核函数，模型输出为模型参数、模型平均误差σ以及模型精度，模型平均误差σ为预测的TEC周期残差T_r’与TEC残差T_rest之间的差值；T4：非震动态背景场构建对于每一个时刻、每一地理位置，将其对应的表征太阳活动和地磁活动的9个变量输入到已经训练好的SVR模型，输出该时间点、该位置空间环境预测的TEC周期残差T_r’，然后T_r^′与该时间点、该位置小波分解得到小波7阶高频值H7和8阶高频值H8进行相加，即得到该时刻该空间位置的TEC非震动态背景值T_back；然后分别计算所有时刻、所有地理位置的非震动态背景值，即得到整个时空的TEC非震动态背景场；T5：基于动态背景场的地震TEC异常提取TEC原始信号T₀减去TEC非震动态背景值T_back即得到TEC残差T_rest，然后取SVR模型1.5倍的平均误差σ为阈值进行异常判定；若T_rest大于1.5倍平均误差σ即认为该TEC残差为地震引起的正异常扰动；当T_rest小于‑1.5倍平均误差σ即认为该TEC残差为地震引起的负异常扰动；当T_rest小于1.5倍平均误差σ且大于‑1.5倍平均误差σ，即认为该TEC残差为正常偏差，将正常偏差范围内的TEC残差值赋值为0，最后输出TEC残差，即为地震TEC异常提取结果。