基于MFCC样本熵和灰狼算法优化支持向量机的天然地震与人工爆破自动识别

摘要：

针对天然地震与人工爆破波形特征相似、难以区分的情况,结合灰狼优化算法和支持向量机,提出一种地震事件性质辨识新方法.通过梅尔频率倒谱系数法对2013年四川芦山地震地震事件信号和人工爆破信号进行分析,进过预加重、FFT、梅尔滤波及离散余弦变换等步骤,提取静态系数样本熵、一阶差分系数样本熵和二阶差分系数样本熵等作为样本特征集.使用灰狼算法优化支持向量机径向基核函数RBF中的惩罚系数和核函数半径形成新的GWO-SVM分类器,然后对事件进行辨识.结果表明:GWO-SVM分类器辨识效果明显优于SVM、RobustBoost集成学习、LDA、PLDA等分类器,其在1000次循环识别实验下的准确率均值相对SVM提高了9.2个百分点,标准差降低了3.2以上;t检验证明MFCC样本熵各特征具有可靠的地震事件分类效果;GWO-SVM与MFCC样本熵可作为天然地震事件与人工爆破事件的辨识方法与分类判据.

关键词：梅尔频率倒谱系数、样本熵、灰狼算法、支持向量机、径向基核函数、自动识别

所属期刊栏目：44

分类号：P315(大地（岩石界）物理学（固体地球物理学）)

资助基金：湖北省自然科学基金;中国地震局地震研究所;应急管理部国家自然灾害防治研究院基本科研业务费专项资助项目;应急管理部国家自然灾害防治研究院基本科研业务费专项资助项目;应急管理部国家自然灾害防治研究院基本科研业务费专项资助项目;中国大陆综合地球物理场仪器研发专项

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1169-1175