基于XGBoost的丢头地震记录自动识别模型

作者：李山有; 谢博楠; 卢建旗^*; 谢志南; 李伟; 陈欣

来源：应用基础与工程科学学报, 2023, 1-16.

• 海量地震数据
• 丢头地震记录
• XGBoost
• 集成学习
• 地震P波
• 数据清洗

约一半以上的强震动观测数据面临信号丢头的问题。如何在海量记录中自动剔除丢头的地震记录是地震P波参数相关算法研究的重要需求。基于极限梯度提升树（XGBoost）方法，建立了丢头地震动记录的自动识别模型。采用日本K-NET台网记录的970次地震的83825条竖向分量加速度记录作为XGBoost模型的训练/测试数据集。本模型对正样本（未丢头记录）的识别成功率为92.07%，对负样本（丢头记录）的识别成功率为98.93%。在相同测试数据集下，和基于Fisher线性分辨的传统模型相比，本文提出的XGBoost模型不仅极大地提高了正样本的识别成功率，同时也保证了负样本的较高识别成功率。结果表明，该模型对（未）丢头地震记录有很高的识别精度，当需要从海量强震动观测数据中自动提取P波参数时，可以运用该模型自动剔除丢头地震记录，以避免丢头地震记录对数据质量造成污染。

• 单位
  中国地震局工程力学研究所