地震和爆破事件源波形信號的卷積神經網絡分類研究
摘要：本文首先從震源波形中提取梅爾頻率倒譜系數（MFCC）圖,然后采用卷積神經網絡（CNN）進行地震波形信號的震源類型—天然地震和爆破事件—分類識別.事件為首都圈及其附近的72個天然地震和101個人工爆破事件,用于提取梅爾頻率倒譜系數圖的波形信號為各觀測臺站波形3分量中的垂直分量波形.在各個事件的所有觀測臺站的垂直分量波形中,通過滑動窗口按同一準則去除被噪聲淹沒的部分臺站波形,只選擇留下未被噪聲淹沒的臺站波形.每一個事件有107個觀測臺站,故有107份垂直分量波形,而不同事件被留下未被噪聲淹沒的波形則有幾份至幾十份不等.然后提取被留下未被噪聲淹沒的波形的梅爾頻率倒譜系數圖,以梅爾頻率倒譜系數圖作為CNN的輸入,CNN的輸出則為波形的震源類型（天然地震事件或爆破事件）.若以單份波形為識別單元,采用五折交叉驗證法進行測試,得到的平均準確率為95.78%.使用訓練集中單份波形為識別單元,提取梅爾頻率倒譜系數圖,采用CNN訓練出了天然地震事件與爆破事件波形分類器,一個事件在測試集中的多份波形信號通常不會都被正確識別,很可能有些波形被識別為天然地震事件,另一些波形被識別為爆破事件;這時,若識別單元改為事件,一個事件各臺站的有效垂直分量波形中,超過一半的波形被識別為某一事件類型,則這個事件被歸類為該事件類型,得到的正確識別率為97.1%.實驗結果表明：卷積神經網絡在天然地震事件與爆破事件的識別方面表現出色.這說明MFCC與卷積神經網絡可以用于識別天然地震和爆破事件,尤其是深度學習更值得在地震信號處理方面做進一步的研究.
注: 保護知識產權,如需閱讀全文請聯系地球物理學進展雜志社
相關推薦
更多
