科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对天然地震与人工爆破波形特征相似、难以区分的情况，结合灰狼优化算法和支持向量机，提出一种地震事件性质辨识新方法。通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析，进过预加重、FFT、梅尔滤波及离散余弦变换等步骤，提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集。使用灰狼算法优化支持向量机径向基核函数RBF中的惩罚系数和核函数半径形成新的GWO-SVM分类器，然后对事件进行辨识。结果表明：GWO-SVM分类器辨识效果明显优于SVM、RobustBoost集成学习、LDA、PLDA等分类器，其在1 000次循环识别实验下的准确率均值相对SVM提高了9.2个百分点，标准差降低了3.2以上；t检验证明MFCC样本熵各特征具有可靠的地震事件分类效果；GWO-SVM与MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据。
-
单位湖北省地震局; 中国地震局地震研究所
