基于LSTM-RNN的地震前兆数据异常检测新方法（英文）

作者：蔡寅; Mei-Ling Shyu; 涂钥轩; 滕云田; 胡星星^*

来源：Applied Geophysics, 2019, 16(03): 257-394.

• 地震前兆数据
• 深度学习
• LSTM-RNN
• 预测模型
• 异常检测

研究地震前兆数据的异常变化是地震短临预测的基础,本文提出一种地震前兆数据的异常智能检测新方法,利用长短期记忆单元的递归神经网络(LSTMRNN)构建数据趋势变化预测模型,通过模型预测的误差来提取数据的异常变化。该方法不需要对原始数据进行预处理,也不需要对异常数据判断的经验积累,适用于各类不同长度的地震前兆数据异常检测。通过使用三类真实的前兆观测数据的进行方法检验,将机器检测结果与人工识别结果进行对比分析,试验结果表明,基于LSTM-RNN的异常检测方法能够准确识别各类异常,可以代替人工用于地震前兆数据的异常检测。

• 单位
  山东省地震局; 中国地震局地球物理研究所