典型文献
基于Triplet-CNN的强弱地震预判研究
文献摘要：
及早判定地震是否为强震,可为快速开展救援行动、减少生命和经济损失争取时间.提出三元组卷积神经网络(Triplet-CNN)模型,对地震强弱进行预判研究.以日本宫城地区为例,通过该地区地震目录获取2000-01-01至2008-12-31间历史地震事件记录,包括震级以及对应的KiK-net和K-net强震仪时间序列数据,利用设计的Triplet-CNN结构对这些强震仪数据进行训练,实现对强弱地震的快速判定.通过超参数优化,该模型的准确率达到96.85％,精确率96.83％,召回率96.82％,F1值96.82％.将Triplet-CNN分类模型与CNN分类模型、随机森林分类模型和支持向量机(SVM)分类模型进行比较,结果表明CNN震级分类模型具有更高的准确率、精确率、召回率和F1值.基于Triplet-CNN的震级分类模型能有效、可靠地对强弱地震进行预判,从而辅助应急决策,为地震预警工作提供科学依据.
文献关键词：
神经网络;强弱地震预判;宫城地震;强震仪数据
中图分类号：
作者姓名：
陈善鹏;尹玲;张文浩
作者机构：
上海工程技术大学电子电气工程学院,上海201620
文献出处：
引用格式：
[1]陈善鹏;尹玲;张文浩-.基于Triplet-CNN的强弱地震预判研究)[J].软件导刊,2022(04):79-84
A类：
强弱地震预判,强震仪数据,宫城地震
B类：
Triplet,救援行动,争取时间,三元组,组卷积,本宫,地震目录,历史地震,地震事件,震级,KiK,net,时间序列数据,超参数优化,精确率,召回率,分类模型,随机森林分类,应急决策,地震预警,预警工作
AB值：
0.248364
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。
