基于CNN和BiLSTM的地震检测漏报优化算法

摘要：

随着定位技术的不断发展,高频GPS技术逐渐成为地震研究领域的热点,可为地震预警工作做出一定补充.本文针对地震检出过程中的漏报问题引入深度学习技术,提出融合区域特征的CNN-BiLSTM分类模型,对新西兰地区高频GPS时间序列进行分析.首先探究小波基及分解层数对降噪效果的影响;其次对高频GPS数据进行归一化、降噪等预处理,并训练融合区域特征的分类模型,实现地震检测.通过与预测模型及单独的CNN、BiLSTM模型进行对比,表明本文模型可有效降低漏检率,具有一定应用价值.

关键词：高频GPS、时间序列、地震预警、地震漏检

所属期刊栏目：13

分类号：TN957.51

资助基金：国家自然科学基金61802251

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：169-173