典型文献
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
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
庞聪;江勇;廖成旺;吴涛;丁炜
作者机构：
中国地震局地震研究所,湖北 武汉 430071;地震预警湖北省重点实验室,湖北 武汉 430071;湖北省地震局,湖北 武汉 430071
文献出处：
引用格式：
[1]庞聪;江勇;廖成旺;吴涛;丁炜-.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)[J].地震工程学报,2022(05):1169-1175
A类：
RobustBoost,地震事件分类
B类：
MFCC,样本熵,灰狼算法,算法优化,优化支持向量机,天然地震,人工爆破,自动识别,波形特征,灰狼优化算法,种地,事件性,梅尔频率倒谱系数,系数法,芦山地震,爆破信号,FFT,波及,离散余弦变换,一阶差分,差分系数,二阶差分,样本特征,征集,径向基核函数,RBF,罚系数,GWO,分类器,集成学习,PLDA,百分点,检验证,分类效果,辨识方法,类判,判据
AB值：
0.309722
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
