科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着越来越多高压直流输电线路的投入运行，地磁观测数据质量受到了严重影响.现有以人工或半人工方法识别高压直流输电干扰事件的工作量也随着受干扰范围的不断扩大和地磁观测仪器的增多而成倍增加.为了高效、准确地识别地磁观测数据中的高压直流干扰事件，本文基于卷积神经网络和长短期记忆神经网络，提出了一种高压直流输电干扰事件自动识别深度学习模型.利用2012年1月1日至2014年12月31日地磁台站原始观测数据，结合专家标注的持续时间在2 h内的高压直流输电干扰事件记录，制作高压直流输电干扰样本34360条，正常样本34360条.模型在训练集上的准确率达到了94.12%,验证集上的准确率达到了92.94%,测试集上的准确率达到了92.86%.初步研究表明深度学习方法在识别地磁观测数据中的高压直流输电干扰事件中具有较高的准确率，为下一步自动识别地磁观测数据中的车辆干扰、基建工程干扰、轻轨干扰等其他干扰事件提供了一种新的思路.
-
单位安徽省地震局; 中国地震台网中心; 防灾科技学院
