基于EMD-VMD-LSTM集成模型及熵分量的地震信号分类研究
发布时间：2021-03-20 07:12
地震潜藏着巨大的危害性。地震领域的研究者们,一般是通过监测地震信号来了解地震的发生和传播过程。地震信号来源复杂,其来源不仅可能是天然地震事件,还可能是如人工爆破、化学爆炸、地下核爆等非天然地震事件。由于条件所限,本文相关研究所涉及的非天然地震事件只考虑人工爆破事件;只考虑人工爆破事件的另外主要原因是:人工爆破这类工程活动也是地震观测台网中出现较为频繁的事件震源类型。针对天然地震和人工爆破的地震波形信号分类问题,本文研究了基于经验模态分解（EMD）、变分模态分解（VMD）和长短期记忆网络（LSTM）的模型分类识别方法;基于时频图和深度学习分类识别方法;基于熵分量特征的分类识别方法。主要工作如下:（1）提出了一种基于EMD-VMD-LSTM模型分类识别方法。综合经验模态分解和变分模态分解2种现代信号处理方法并应用于地震信号处理,利用对时间序列具有良好处理能力的长短期记忆网络,构成EMD-VMD-LSTM模型,以对地震信号进行分类识别。（2）基于了熵分量特征来进行地震信号的分类识别。地震波形经过小波包分解的1条波形可得到1个小波包系数矩阵,对该矩阵进行奇异值分解,取较大的排在前面主要奇异值计...
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
地震预警系统框架图
广西师范大学硕士研究生学位论文82.1地震信号的数据预处理在收集到的地震信号波形数据中，会有因为外界的各种干扰因素，诸如仪器因素、干扰噪声等，为了能更好的还原信号真实性，提高对地震信号的分类识别精确度，在对地震信号进行分类识别研究前，需要对地震信号波形经过一定的预处理步骤。预处理方法中，首先是对地震信号进行初步的筛选，去除掉一些很明显的干扰波形数据，因为在地震台网收集到的地震信号数据中，难免会混入了一些如纯直线、纯噪声的干扰波形数据，如下图所示的纯直线波形数据和纯噪声波形数据。图2.1无效波形图图2.2无效纯噪声图经过对地震信号初步预筛选完后，接着对地震信号波形使用归一化处理，归一化是通过一定规律将有量纲的数据变为了没有量纲的数据，即标量[35]，使用归一化对数据进行处理，能够让系统绝对关系变为相对值关系，起到了简化计算和减小数值相差太大的影响。通过归一化把地震信号波形的数据范围规划在了0和1之间的小数，在原地震信号波形数
广西师范大学硕士研究生学位论文82.1地震信号的数据预处理在收集到的地震信号波形数据中，会有因为外界的各种干扰因素，诸如仪器因素、干扰噪声等，为了能更好的还原信号真实性，提高对地震信号的分类识别精确度，在对地震信号进行分类识别研究前，需要对地震信号波形经过一定的预处理步骤。预处理方法中，首先是对地震信号进行初步的筛选，去除掉一些很明显的干扰波形数据，因为在地震台网收集到的地震信号数据中，难免会混入了一些如纯直线、纯噪声的干扰波形数据，如下图所示的纯直线波形数据和纯噪声波形数据。图2.1无效波形图图2.2无效纯噪声图经过对地震信号初步预筛选完后，接着对地震信号波形使用归一化处理，归一化是通过一定规律将有量纲的数据变为了没有量纲的数据，即标量[35]，使用归一化对数据进行处理，能够让系统绝对关系变为相对值关系，起到了简化计算和减小数值相差太大的影响。通过归一化把地震信号波形的数据范围规划在了0和1之间的小数，在原地震信号波形数
【参考文献】：
期刊论文
[1]基于变分模态分解的地震随机噪声压制方法[J]. 方江雄,温志平,顾华奇,刘军,张华. 石油地球物理勘探. 2019(04)
[2]基于深度学习卷积神经网络的地震波形自动分类与识别[J]. 赵明,陈石,Dave Yuen. 地球物理学报. 2019(01)
[3]基于Bagging集成学习算法的地震事件性质识别分类[J]. 任涛,林梦楠,陈宏峰,王冉冉,李松威,刘晓雨,刘杰. 地球物理学报. 2019(01)
[4]深度神经网络拾取地震P和S波到时[J]. 于子叶,储日升,盛敏汉. 地球物理学报. 2018(12)
[5]基于改进经验模态分解的地震弱信号增强处理方法[J]. 罗红梅,宋维琪,邢漪冉,王长江,穆星. 地球物理学进展. 2019(01)
[6]基于小波包分解重构的微地震信号降噪方法[J]. 曹伟,孙红梅,贾瑞生,崔云洁,陈兴飞. 电子测量与仪器学报. 2018(04)
[7]基于SVM算法的地震小断层自动识别[J]. 孙振宇,彭苏萍,邹冠贵. 煤炭学报. 2017(11)
[8]中国地震发生频数及区域性特征的计算统计分析[J]. 蔡昕芮. 统计与管理. 2016(11)
[9]基于小波包和峰度赤池信息量准则的P波震相自动识别方法[J]. 田优平,赵爱华. 地震学报. 2016(01)
[10]广西龙滩库区地震拐角频率时空差异性特征[J]. 陆丽娟,黄树生,张帆,周斌,阎春恒. 地震研究. 2015(03)
本文编号：3090591
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
地震预警系统框架图
广西师范大学硕士研究生学位论文82.1地震信号的数据预处理在收集到的地震信号波形数据中，会有因为外界的各种干扰因素，诸如仪器因素、干扰噪声等，为了能更好的还原信号真实性，提高对地震信号的分类识别精确度，在对地震信号进行分类识别研究前，需要对地震信号波形经过一定的预处理步骤。预处理方法中，首先是对地震信号进行初步的筛选，去除掉一些很明显的干扰波形数据，因为在地震台网收集到的地震信号数据中，难免会混入了一些如纯直线、纯噪声的干扰波形数据，如下图所示的纯直线波形数据和纯噪声波形数据。图2.1无效波形图图2.2无效纯噪声图经过对地震信号初步预筛选完后，接着对地震信号波形使用归一化处理，归一化是通过一定规律将有量纲的数据变为了没有量纲的数据，即标量[35]，使用归一化对数据进行处理，能够让系统绝对关系变为相对值关系，起到了简化计算和减小数值相差太大的影响。通过归一化把地震信号波形的数据范围规划在了0和1之间的小数，在原地震信号波形数
广西师范大学硕士研究生学位论文82.1地震信号的数据预处理在收集到的地震信号波形数据中，会有因为外界的各种干扰因素，诸如仪器因素、干扰噪声等，为了能更好的还原信号真实性，提高对地震信号的分类识别精确度，在对地震信号进行分类识别研究前，需要对地震信号波形经过一定的预处理步骤。预处理方法中，首先是对地震信号进行初步的筛选，去除掉一些很明显的干扰波形数据，因为在地震台网收集到的地震信号数据中，难免会混入了一些如纯直线、纯噪声的干扰波形数据，如下图所示的纯直线波形数据和纯噪声波形数据。图2.1无效波形图图2.2无效纯噪声图经过对地震信号初步预筛选完后，接着对地震信号波形使用归一化处理，归一化是通过一定规律将有量纲的数据变为了没有量纲的数据，即标量[35]，使用归一化对数据进行处理，能够让系统绝对关系变为相对值关系，起到了简化计算和减小数值相差太大的影响。通过归一化把地震信号波形的数据范围规划在了0和1之间的小数，在原地震信号波形数
【参考文献】：
期刊论文
[1]基于变分模态分解的地震随机噪声压制方法[J]. 方江雄,温志平,顾华奇,刘军,张华. 石油地球物理勘探. 2019(04)
[2]基于深度学习卷积神经网络的地震波形自动分类与识别[J]. 赵明,陈石,Dave Yuen. 地球物理学报. 2019(01)
[3]基于Bagging集成学习算法的地震事件性质识别分类[J]. 任涛,林梦楠,陈宏峰,王冉冉,李松威,刘晓雨,刘杰. 地球物理学报. 2019(01)
[4]深度神经网络拾取地震P和S波到时[J]. 于子叶,储日升,盛敏汉. 地球物理学报. 2018(12)
[5]基于改进经验模态分解的地震弱信号增强处理方法[J]. 罗红梅,宋维琪,邢漪冉,王长江,穆星. 地球物理学进展. 2019(01)
[6]基于小波包分解重构的微地震信号降噪方法[J]. 曹伟,孙红梅,贾瑞生,崔云洁,陈兴飞. 电子测量与仪器学报. 2018(04)
[7]基于SVM算法的地震小断层自动识别[J]. 孙振宇,彭苏萍,邹冠贵. 煤炭学报. 2017(11)
[8]中国地震发生频数及区域性特征的计算统计分析[J]. 蔡昕芮. 统计与管理. 2016(11)
[9]基于小波包和峰度赤池信息量准则的P波震相自动识别方法[J]. 田优平,赵爱华. 地震学报. 2016(01)
[10]广西龙滩库区地震拐角频率时空差异性特征[J]. 陆丽娟,黄树生,张帆,周斌,阎春恒. 地震研究. 2015(03)
本文编号：3090591
本文链接：https://www.wllwen.com/kejilunwen/kuangye/3090591.html
