使用支持向量机识别地震类型的影响因素分析

作者：范晓易; 曲均浩^*; 刘方斌; 周少辉

来源：大地测量与地球动力学, 2020, 40(10): 1034-1038.

DOI：10.14075/j.jgg.2020.10.008

• 支持向量分类机
• 香农熵
• 特征向量
• 分类识别
• 影响因素

对山东地区2006～2017年3种地震事件——天然地震、爆破及塌陷的波形记录进行小波变换,对提取出的香农熵特征采用支持向量机LIBSVM方法进行分类识别,并设计一系列实验研究影响最终分类效果的因素。结果表明,5种影响因素——信号窗长度、小波分解方式、小波基类型、向量机算法类型、向量机核函数类型均对地震类型的分类识别结果产生一定的影响;识别率最高的3组处理方式均采用了2 000 s信号窗长度+db7小波基+υ-SVC算法的组合方式。所得的识别率较高的几种影响因素组合,在未来可应用于地震类型的实时识别,进一步提高地震类型的识别率和触发准确率。

• 单位
  山东省地震局