基于改进EWT和LogitBoost集成分类器的地震事件分类识别算法

摘要：

快速、准确地识别天然地震和人工爆破事件是地震台网监测的重要工作之一,也是提高地震观测记录质量、开展地震研究工作的重要基础.针对反向传播神经网络、支持向量机等主流分类识别方法在地震事件分类识别应用上的不足,提出一种基于改进EWT和LogitBoost集成分类器的地震事件分类识别算法.首先,基于S谱能量曲线对传统经验小波变换进行改进,将信号自适应分解为按频率和能量分布的本征模函数;其次,提取P波与S波最大振幅比,前4个本征模函数的香农熵、对数能量熵,以及去噪后重构信号主频等特征;最后,采用基于集成学习LogitBoost的决策树集成分类器进行分类.实验结果表明,所提算法具有较高的鲁棒性,能有效解决样本不足的问题,识别准确率达93.1％以上,比集成学习AdaBoost、反向传播神经网络和支持向量机等方法提高了1％以上,且分类识别效果好.

关键词：改进EWT、LogitBoost、集成学习、天然地震、人工爆破

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：中央高校基本科研业务费项目;河北省教育厅高等学校科学研究计划项目

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10页

页码：1233-1242