基于无监督机器学习的噪声信号聚类分析——以郯庐断裂带潍坊段短周期密集台阵观测为例
非构造活动震源所引起的地面震动通常被看成是地震记录中的噪声信号,此类噪声与微震或非火山震颤等弱构造活动信号往往在时间域或频率域都难以区分,从而会影响利用常规方法对弱构造活动信号的识别与检测.即使利用最新的机器学习方法对微地震信号检测,若缺乏对噪声信号特性的了解,也会对监督模型的训练产生不利的影响.因此,有必要剖析地震噪声信号,理解其特征属性,以及背后可能的物理震源.本研究中,我们利用一个布设于华北东部地区的短周期密集观测台阵,使用K-means算法聚类分析不同类型的地震噪声信号.分析表明密集台阵可以观测到6类噪声信号,噪声来源包括轨道交通、风和附近的电力输送线.
机器学习、地震噪声聚类、密集地震台阵、郯庐断裂
65
P315;P631(大地(岩石界)物理学(固体地球物理学))
国家自然科学基金41630209
2022-07-18(万方平台首次上网日期,不代表论文的发表时间)
共22页
2573-2594