-
题名基于小波包分形和神经网络的地震与岩溶塌陷识别
被引量：9
- 1
-
-
作者
毛世榕
管振德
阎春恒
-
机构
广西壮族自治区地震局桂林地震台
中国地质科学院岩溶地质研究所
广西壮族自治区地震局
-
出处
《地震学报》
CSCD
北大核心
2018年第2期195-204,共10页
-
基金
中国地质科学院岩溶塌陷防治重点实验室开放研究基金项目(2016013)
地震科技星火计划项目(XH14041Y)共同资助
-
文摘
本文以近年来广西地震台网中心记录的天然地震和岩溶塌陷为例,尝试利用基于小波包的分形和径向基函数神经网络技术对这两类事件的波形进行识别,以期有效地识别地震与岩溶塌陷。结果表明,基于小波包分形与神经网络相结合的事件识别方法对天然地震和岩溶塌陷事件的识别率高达89.5%,可作为识别天然地震与岩溶塌陷的一个有效方法。
-
关键词
天然地震
岩溶塌陷
小波包变换
分形维数
径向基函数神经网络
-
Keywords
natural earthquake
karst collapse
wavelet packet transform
fractal dimension
radial basis function neural network
-
分类号
P315.01
[天文地球—地震学]
-
-
题名基于RBF神经网络的地震与爆破识别技术
被引量：1
- 2
-
-
作者
毛世榕
史水平
苏梅艳
蒋志峰
玉壮基
-
机构
广西壮族自治区地震局桂林地震台
-
出处
《地震地磁观测与研究》
2020年第3期59-66,共8页
-
基金
广西科学研究与技术开发计划(项目编号:桂科AB1850042)
红水河流域水库地震特征的精细研究——以天峨至大化段为例
+1 种基金
广西壮族自治区地震局科研课题(项目编号:2017002)
人工神经网络技术在爆破识别中的应用。
-
文摘
利用天然地震震源和人工爆破震源之间信号能量分布的差异,结合RBF神经网络技术,对2类事件进行分类,具体步骤如下:使用8个带通滤波器对事件波形进行滤波,并划分为4个波形段:P波、P波尾波、S波和S波尾波,分别计算每个滤波器信道和波形段的能量特征值,以所得32个特征参数作为输入向量,利用RBF神经网络,对地震和爆破事件进行分类识别。结果表明,基于RBF神经网络的地震事件识别方法,识别率为88.1%,具有较高的准确性,可作为地震与爆破事件识别的一个重要依据。
-
关键词
地震识别
能量特征
RBF神经网络
-
Keywords
earthquake discrimination
energy characteristics
RBF neural network
-
分类号
P315.7
[天文地球—地震学]
-
