[发明专利]基于机器学习的地震波震动性质识别方法在审
| 申请号： | 201910752213.2 | 申请日： | 2019-08-15 |
| 公开（公告）号： | CN110488351A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 刘昕靓;任涛;王柳婷;杨丹丹;商冰冰 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G01V1/30 | 分类号： | G01V1/30;G01V1/28;G06K9/62;G06N3/04;G06N20/00 |
| 代理公司： | 21109 沈阳东大知识产权代理有限公司 | 代理人： | 李在川<国际申请>=<国际公布>=<进入 |
| 地址： | 110819 辽宁*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于机器学习的地震波震动性质识别方法，涉及机器学习技术领域。本发明分为地震波形处理，提取特征值，训练模型，模型应用四个阶段进行。计算震源与台站之间的距离，对震中距进行筛选，读取筛选后震中距的三分量地震波形数据，使用长短时窗算法STA/LTA及AIC方法准确找到地震波初动的位置，进一步对地震数据长度进行截取。分别对地震波形进行时、频域分析，提取三个特征波形复杂度、谱比值和波形复杂度/谱比值作为人工神经网络模型的输入。训练一个识别二分类问题的具有两个隐藏层的人工神经网络模型，输出为波形所属类别的概率。本发明训练的模型可以准确高效的判断地震波形所属类别。 | ||
| 搜索关键词： | 地震波形 人工神经网络模型 地震波 复杂度 震中距 读取 筛选 机器学习技术 地震数据 基于机器 模型应用 频域分析 特征波形 性质识别 训练模型 震源 二分类 三分量 隐藏层 截取 时窗 算法 台站 震动 输出 概率 学习 | ||
【主权项】：
1.一种基于机器学习的地震波震动性质识别方法，其特征在于：包括以下步骤：/n步骤1：对原始地震波形数据进行读取，确定需要进行分类识别的地震波形的震中距；/n步骤2：分别对天然地震和非天然地震波形进行时频域分析，时域分析得到波形复杂度特征，频域分析得到谱比值特征，将所述两个特征值进行计算得到时频域综合特征值波形复杂度/谱比值；/n所述波形复杂度和谱比值特征分别为时域层面和频域层面可以表征波形走向的特征量；/n步骤3：使用人工神经网络训练模型，模型输入是地震波形实例的特征向量，即步骤2中得到的三个特征值组成的特征向量，经过两个隐藏层的计算得到输出结果，输出结果为“1”表示波形所属类别为天然地震，输出结果为“0”表示波形所属类别为非天然地震；/n步骤4：将地震波形数据分为训练集和测试集两个不相交的数据集，使用反向传播算法更新模型参数，不断拟合训练数据，降低损失函数的值；模型训练过程中须使用测试集数据评估模型的效果，经过指定迭代次数的训练或模型的测试准确率达到一定标准后，意味着模型训练完成；/n步骤5：保存模型，对后续的地震波形分类问题可直接调用该保存模型输出结果，无需再进行繁琐训练。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东北大学，未经东北大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910752213.2/，转载请声明来源钻瓜专利网。
