基于BP-Adaboost方法的天然地震和人工爆炸事件波形信号分类识别研究

BP神经网络和支持向量机(SVM)是两种主流的分类识别方法,用于天然地震和人工爆炸事件波形信号分类识别时取得了较好的效果。但BP神经网络存在易陷入局部最优及隐层数和隐层节点数与训练样本数据密切相关而无法有效预先确定;而支持向量机(SVM)方法则缺乏有效手段来选取合适的核函数,从中不能很好地扩展到多分类。针对天然地震和人工爆炸事件波形信号的分类识别问题,文中将上述两种方法和集成学习——BP-Adaboost方法进行了对比实验研究。据对所选用的地震、爆炸事件波形信号数据集的分类识别结果表明,BP-Adaboost方法得到了98%以上的正确识别率,并且具有较好的泛化能力。相较于BP神经网络和PCA-SVM方法,BP-Adaboost方法对于数据集的划分和识别结果具有更好的鲁棒性,应用于天然地震和人工爆炸事件波形信号分类识别时,可取得更好的识别效果。同时,结合Adaboost方法的原理,阐述了BP-Adaboost方法拥有更好分类结果和泛化能力的原因。     

基于STFT和CNN的地震信号分类识别研究

地震信号分类——即信号震源类型的分类,尤其是天然地震和人工爆破的分类对于地震目录的清洗和强震实时预警等具有重要意义.本文首先对原始波形信号进行必要的预处理,然后对预处理后的信号进行分帧加窗,对窗内信号采用短时傅里叶变换,将原始波形信号从时域转换成时频域信号,生成时频谱图,每条波形生成一个时频图像;经过反复多次试验比较,将原尺寸时频谱图统一缩放为32×32像素大小的灰度图像,该灰度图像作为卷积神经网络(CNN)的输入,此时的分类效果和计算效率最优.采用以上方法对2010年至2016年发生在河北三河和北京通州等地区,震级为1.5 ～2.8级之间的54个天然地震事件的1674条波形和63个人工爆破事件的1509条波形,采用五折交叉验证法进行分类,得到的平均准确率为97.39％,与传统的支持向量机(SVM)方法和多层感知器(MLP)方法对比,分类准确率有大幅提升,与使用梅尔倒谱系数(MFCC)构建的CNN分类器方法对比,本文方法信噪比更低,分类准确率提高约1.5％.实验结果表明,采用短时傅里叶变换提取地震信号时频域特征,生成时频谱图,使用卷积神经网络对地震信号进行分类具有良好的分类效果.     

基于深度学习残差网络模型的地震和爆破识别

为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1 000次独立的随机抽样子试验以及 “留一交叉验证法” 试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。      

不同地区人工爆炸与天然地震记录特征及识别研究

本文分析了河北怀来多次爆炸、河北三河采石场多次爆炸和低震级天然地震事件的记录特征和时频差异。结果显示:河北怀来爆炸的P波能量强、衰减快、S波发育弱;河北三河采石场爆炸的P波、S波主频均低于怀来爆炸,S波与面波混淆,不同震中距的台站记录低频发育明显;而天然地震的有效频带更宽,频率成分更为复杂。将Pg/Sg谱比判据应用于小震级地震与爆炸的识别中,探索交叉频带谱比对不同地区爆炸的识别。结果表明:高频（＞5 Hz）Pg/Sg谱比判据可将研究数据中的爆炸与小震级地震完全区分;与Sg低频（0—2 Hz）有关的交叉频带谱比可对两个不同地区的爆炸进行识别,交叉频带的谱比判据较传统的单一频带谱比判据能够更好地反映出不同类型事件的特征差异。      

地震与爆破的小波包识别判据研究

利用sym5小波包基函数对小震级天然地震和人工爆破波形进行4层小波包分解并绘制了时频谱图.通过时频谱图可直观得出, 爆破频率成分简单, 时频谱聚集性较好. 为寻求定量的识别指标, 综合P波和S波小波包变换结果, 提出并定义了P/S能量比. 分析识别效果较好的 P/S能量比判据得出爆破的P波主频集中在频段3.125—9.375 Hz处, 地震频率成分较复杂, S波在高频12.5—23.4375 Hz处也较发育, 在这些频段上, 爆破的P波与S波差异要大于地震的P波与S波差异. 作为小波包判据研究的补充, 文中也提取分析了P波的能量比与S波的能量比. 能量比判据识别结果表明, 人工爆破与天然地震的频率成分存在差异, 通过小波包变换能够提取有效的识别判据.      

v-SVC算法在地震与爆破识别及窗长度选取中的应用

对天然地震与人工爆破的波形记录,本文用v—SVC支持向量分类机对由波形记录获取的香农熵特征进行了分类识别,效果较好;并对波形记录选取不同的信号窗长度,用v—SVC支持向量分类机分别进行了识别检验。结果表明:窗长度对识别效果有影响,以窗长度为2000点的识别效果最好,识别率达98%。这也表明,在地震与爆破的识别中,合理地选取波形记录的信号窗长度也是重要的。     

3?21响水爆炸的地震学分析及谱比法研究

使用P/S谱比法重点对响水爆炸中信噪比较高的几个台站记录进行了处理分析。选取2013年1月19日发生在距其7 km左右的一次天然地震事件作为对比。得出频率在2—15 Hz范围内,90%以上的台站,爆炸P/S谱比大于1,天然地震这一值小于1,而在4—15 Hz范围内,这一结果达到了100%。为了进一步验证此方法判断爆炸与天然地震的可行性,本文又对2015年天津港爆炸事件进行计算,得到了相同的结果。此研究为使用P/S谱比法验证低震级爆炸提供案例。本文在研究的同时,对响水爆炸事件进行了波形特征及频谱特征分析。得出此事件地震记录的震相较单一,与普通的爆破记录较相似,并没有出现像2015年天津港爆炸中那样低速的空气声波与地面耦合的Rayleigh波。得到此事件有两个主频率,分别为0.2—1 Hz和4—10 Hz。      

3·21响水爆炸的地震学分析及谱比法研究

使用P/S谱比法重点对响水爆炸中信噪比较高的几个台站记录进行了处理分析。选取2013年1月19日发生在距其7 km左右的一次天然地震事件作为对比。得出频率在2—15 Hz范围内,90%以上的台站,爆炸P/S谱比大于1,天然地震这一值小于1,而在4—15 Hz范围内,这一结果达到了100%。为了进一步验证此方法判断爆炸与天然地震的可行性,本文又对2015年天津港爆炸事件进行计算,得到了相同的结果。此研究为使用P/S谱比法验证低震级爆炸提供案例。本文在研究的同时,对响水爆炸事件进行了波形特征及频谱特征分析。得出此事件地震记录的震相较单一,与普通的爆破记录较相似,并没有出现像2015年天津港爆炸中那样低速的空气声波与地面耦合的Rayleigh波。得到此事件有两个主频率,分别为0.2—1 Hz和4—10 Hz。     

天然地震与人工爆破的波形小波特征研究

研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别.首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用v-SVC支持向量分类机对这3种特征的分类能力进行了外推检验.通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响.结果表明,上述3种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据.     

曹妃甸地震台网天然地震与爆破波形记录特征

统计曹妃甸地震台网成立以来记录的地震波形资料,对比天然地震和化学爆炸、矿爆的波形,发现天然地震与爆破震相特征在P波初动、周期、波形衰减及振幅等方面有很大不同,并对波形进行频谱分析,进一步识别天然地震及爆破。     

江苏数字地震台网中心记录波形分析

对江苏数字地震台网的波形资料,从震相、频谱、振幅比3个方面进行对比分析,找出天然地震、人工爆破、塌陷的不同之处,能够在地震定位过程中快速识别,并将此方法在江苏地震台网实际工作中应用。     

小地震与人工爆破记录的时频分析

基于Matlab软件,编制了对近震记录进行时-频分析试验研究的程序,搜集2006—2008年间首都圈地区震级介于ML2.4~2.7的5次天然地震和5次人工爆破的27个台站的宽频带记录,根据震中距离的相似性挑选5组天然地震和人工爆破地震,分析其时频特征。对于所有的数据都给出其三分向的时频图、原始波形图和频谱图,以及水平向和三分向的叠加图。分析结果表明,天然地震和人工爆破的记录具有明显不同的时频特征,天然地震的时频呈现出"多峰"特征,而人工爆破的时频分布则相对"少峰";天然地震的时频峰值分布在较宽的频率范围内,人工爆破的峰值则分布在频率较低的相对狭窄的范围内。通过以上实践,发现时频分析在分析不同时间点的频谱信息以及整个数据的时频分布特点时比傅里叶变换具有优势。     

太原基准地震台核爆震相识别

对太原基准地震台记录的核爆及天然地震波形进行对比分析,结果显示：①与天然地震相比,核爆震相特征相对独特;②地震优势频率较窄,而核爆优势频率则较宽,即对于震中距相近、当量不同的核爆波形,太原台记录的时频变化特征相似;③对于震中距相近的天然地震与核爆波形,太原台记录的时频特征差异明显。     

Features of different types of seismic events in China’s Capital Region

Seismic records produced by different seismic sources vary. In this study, we compared the waveform records and time-frequency characteristics of tectonic earthquakes, artificial explosions, and mine collapses in China’s Capital Region. The results show that tectonic earthquakes are characterized by stronger S-wave energy than P-wave energy, obvious high-frequency components, and wide frequency bands of P and S waves. Artificial explosions are characterized by greater P-wave amplitude than S-wave amplitude and near-station surface wave development. Mine collapses are characterized by lower overall frequency, more obvious surface waves, and longer duration. We extracted quantitative discriminants based on the analysis of different event records, with 31 feature values in 7 categories (P/S maximum amplitude ratio, high/low frequency energy ratio, P/S spectral ratio, corner frequency, duration, the second-order moment of spectrum, and energy strongest point). A comparison of the ability of these feature values to recognize distinct events showed that the 6–17 Hz P/S spectral ratio was able to completely distinguish artificial explosions from the other two types of events. The S-wave corner frequency performed relatively well in identifying all three types of events, with an accuracy of over 90%. Additionally, a support vector machine was used to comprehensively distinguish multiple features, with an accuracy for all three types of events reaching up to 100%.     

江苏地区天然地震与人工爆破识别研究

选取江苏数字地震台网记录的部分天然地震与人工爆破波形数据,通过波形对比分析、震幅比以及频谱等方面的对比发现两者之间不同之处。把这些不同的方法应用到数字地震台网实际工作中,能够快速有效地分辨出天然地震和人工爆破,为今后震相的识别提供可靠依据。     

安徽及周边地区小爆破的识别与判据研究

根据安徽测震台网记录的爆破与地震的数字资料,采用波谱分析方法,对该区域记录的小爆破与小震级地震事件计算纵横波拐角频率和卓越周期,试图获得爆破和地震识别的定量指标。对比研究波谱特征,发现爆破与地震的纵横波拐角频率和卓越周期等存在明显差异,为该地区小爆破的识别,提供了新的判据。最后,对爆破与地震其他方面的判据特征进行了总结。     

爆破、塌陷识别研究进展综述

简要介绍当前国内外关于天然地震与爆破、塌陷等非天然地震特征研究及事件类型识别的进展。对各类事件的定义及主要波形特征进行简要综述,重点介绍了事件类型判定的各类识别方法。与自然界天然地震不同,非天然地震由人工干预或人类活动间接引发。爆破是炸药在爆炸瞬间能量迅速释放,部分能量以地震波形式向外传播,引起地表振动而产生破坏效应的一种地震;塌陷是由于岩层崩塌陷落而形成的地震。虽然在地震台网记录到的天然地震与爆破、塌陷的波形存在一定的共性特征,但由于震源类型、波的传播路径、震源深度等不同,各类事件的波形记录在P波初动、P波与S波最大振幅比、持续时间、震相、短周期面波发育情况、发震时刻、空间位置分布以及频谱特征等方面差异明显。目前主要有两类方法来识别地震与爆破、塌陷等非天然事件。一类为直接基于波形在信号、数据方面的特征,通过定性分析来进行事件类型判定,如波形时频分析对比法、小波变换、相关系数等;另一类为统计学领域诸如模式识别等算法,利用统计算法综合考虑多个事件特征判据的定量判定阀值来实现地震与爆破、塌陷事件类型的识别,如最小距离法、改进的连续亨明方法、Fisher方法、逐步代价最小决策法、支持向量机、前馈神经网络等。两类方法本质上均为提取有效特征判据,即对数据进行降维使用,未将事件记录的全部信息用于事件判定。因此,有必要使用一种可从全部事件记录中自动提取各类信息并可组合底层特征的算法来对各类事件进行判断识别。