基于最小二乘支持向量机与熵特征的地震事件性质辨识研究

作者：庞聪; 廖成旺; 江勇; 程诚; 吴涛; 舒鹏; 丁炜

来源：大地测量与地球动力学, 2022, 42(06): 655-660.

DOI：10.14075/j.jgg.2022.06.019

• 地震事件辨识
• 最小二乘支持向量机
• 熵特征
• 玛多地震
• 漾濞地震

为解决天然地震事件性质辨识依赖人工检测、自动化程度不高且误差较大的问题，利用机器学习中的最小二乘支持向量机（LSSVM）和信息论中的排列熵、近似熵及香农熵等特征参数，建立Entropy-LSSVM地震波形特征提取与事件性质辨识模型。基于2021年青海玛多MS7.4地震、云南漾濞地震事件及人工爆破干扰事件等共计500条波形数据，设计多个不同训练比例与测试比例的随机抽取子实验，采用准确率、召回率、特效度、精确度、F-measure验证该模型的有效性。实验结果表明，熵特征对天然地震和非天然地震事件波形的区分效果明显，且结合熵特征的LS-SVM模型整体性能优于QDA、LDA、朴素贝叶斯、决策树、LogitBoost及RobustBoost等方法，训练集与测试集比例为3∶2的辨识准确率和召回率分别达到99.00%和96.97%,即使训练集只有50条的辨识准确率也可达98%以上，这对天然地震事件的有效甄别有一定参考价值。

• 单位
  中国地震局地震研究所; 南华大学; 运城学院; 湖北省地震局