典型文献
基于最小二乘支持向量机与熵特征的地震事件性质辨识研究
文献摘要：
为解决天然地震事件性质辨识依赖人工检测、自动化程度不高且误差较大的问题,利用机器学习中的最小二乘支持向量机(LSSVM)和信息论中的排列熵、近似熵及香农熵等特征参数,建立Entropy-LSSVM地震波形特征提取与事件性质辨识模型.基于2021年青海玛多MS7.4地震、云南漾濞地震事件及人工爆破干扰事件等共计500条波形数据,设计多个不同训练比例与测试比例的随机抽取子实验,采用准确率、召回率、特效度、精确度、F-measure验证该模型的有效性.实验结果表明,熵特征对天然地震和非天然地震事件波形的区分效果明显,且结合熵特征的LS-SVM模型整体性能优于QDA、LDA、朴素贝叶斯、决策树、LogitBoost及RobustBoost等方法,训练集与测试集比例为3:2的辨识准确率和召回率分别达到99.00％和96.97％,即使训练集只有50条的辨识准确率也可达98％以上,这对天然地震事件的有效甄别有一定参考价值.
文献关键词：
地震事件辨识;最小二乘支持向量机;熵特征;玛多地震;漾濞地震
中图分类号：
作者姓名：
庞聪;廖成旺;江勇;程诚;吴涛;舒鹏;丁炜
作者机构：
中国地震局地震研究所,武汉市洪山侧路40 号,430071;地震预警湖北省重点实验室,武汉市洪山侧路48 号,430071;湖北省地震局,武汉市洪山侧路48 号,430071;运城学院数学与信息技术学院,山西省运城市复旦西街 1155 号,044031;南华大学计算机学院,湖南省衡阳市常胜西路 28 号,421001
文献出处：
引用格式：
[1]庞聪;廖成旺;江勇;程诚;吴涛;舒鹏;丁炜-.基于最小二乘支持向量机与熵特征的地震事件性质辨识研究)[J].大地测量与地球动力学,2022(06):655-660
A类：
LogitBoost,RobustBoost,地震事件辨识
B类：
最小二乘支持向量机,熵特征,事件性,LSSVM,信息论,排列熵,近似熵,香农熵,Entropy,地震波形,波形特征,辨识模型,年青,青海玛多,MS7,云南漾濞地震,人工爆破,形数,随机抽取,子实,召回率,特效,measure,非天然地震,整体性能,QDA,LDA,朴素贝叶斯,决策树,训练集,测试集,甄别,玛多地震
AB值：
0.315508
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。
