基于XGBoost机器学习的地磁日变重构方法研究

作者：程文凯; 杜劲松^*; 陈超; 艾萨·伊斯马伊力

来源：地震学报, 2021, 43(01): 100-136.

• 数据重构
• 地磁场
• 日变
• XGBoost
• 机器学习

为了重构或恢复存在严重干扰或数据缺失的台站观测数据,本文基于周边已有台站的高质量观测数据采用XGBoost机器学习方法重构地磁日变数据。仿真试验结果显示,无论是磁静日还是磁扰日,地磁场分量的绝对残差均值均低于0.1 nT。试验统计数据及重构结果残差曲线的对比分析表明,地磁日变重构精度与地磁活动性和待重构信号的时变剧烈程度有关;相较于反向传播神经网络,XGBoost方法对地磁场日变数据的重构精度更高。本文研究表明,基于XGBoost机器学习的重构方法在处理非线性复杂问题方面具有优势,能够用于高精度重构存在严重干扰或数据缺失的地磁台站观测数据的重构。

• 单位
  地质过程与矿产资源国家重点实验室; 新疆维吾尔自治区地震局; 中国地质大学（武汉）