典型文献
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
文献摘要：
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.
文献关键词：
机器学习;地震噪声聚类;密集地震台阵;郯庐断裂
中图分类号：
作者姓名：
杨勇刚;钮凤林
作者机构：
中国石油大学(北京)非常规油气科学技术研究院,北京 102249;莱斯大学地球科学学院,美国休斯敦 77005
文献出处：
引用格式：
[1]杨勇刚;钮凤林-.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)[J].地球物理学报,2022(07):2573-2594
A类：
短周期密集台阵,地震信号检测,地震噪声聚类
B类：
无监督机器学习,信号聚类,郯庐断裂带,潍坊,构造活动,震源,震动,看成,地震记录,微震,或非,火山,震颤,时间域,频率域,常规方法,机器学习方法,微地震,特征属性,布设,设于,北东,观测台阵,means,类噪声信号,电力输送,输送线,密集地震台阵
AB值：
0.295258
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。
