使用支持向量机识别地震类型的影响因素分析

发布时间：2024-10-02 21:00

　　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。

【文章页数】：5 页

【部分图文】：

图1不同信号窗长度的波形信号对比

由表3可知,不论采用DWT还是WPT的小波分解方式,对最终分类识别结果的影响不大。还可以看出,在υ-SVC算法下,核函数类型选择线性或多项式核函数时识别率明显较高。3.3小波基的类型