基于支持向量机算法的地震事件分类研究——以东北地区为例

作者：梁皓; 孙丽^*; 陈姝荞; 支明

来源：地球物理学报, 2023, 66(12): 5030-5040.

• 支持向量机
• 地震震源分类
• 物理特征
• 机器学习
• 东北地区

台网的加密使我们可以监测到更多类型、更小的地震事件，地震震源分类对地震危险性评估、区域构造研究和诱发地震的孕震机制都具有重要意义.在传统的地震监测中，技术人员通过P波极性、频谱特征和矩张量等参数识别地震事件的类型，这种识别方法依赖人工经验且较难实现自动化.本文以东北地区天然地震、爆破以及塌陷事件为例，提取三种事件P波和S波在频率域和时间域的典型物理特征，利用支持向量机(Support Vector Machine-SVM)方法对特征进行训练，对事件进行机器学习分类识别.东北地区事件的分类结果表明，该方法可以有效的完成三分类识别，准确率达到99.2%,爆破、塌陷、天然地震三种类型的F1分数分别为98.99%、97.85%和100%.同时该方法具有较好的泛化能力，基于东北地区的训练模型，甘肃地区塌陷识别准确率为84.9%,内蒙古地区爆破识别准确率为86.6%.本研究显示支持向量机方法在少样本量的地震事件类型多分类中有较好的实际应用前景.

• 单位
  中国地震局; 中国地震台网中心