典型文献
地震与爆破波形信号的EEMD多尺度分布熵提取和WOA-SOM神经网络识别研究
文献摘要：
针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解(EEMD)技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数(IMF)分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵.应用鲸鱼优化算法(WOA)对自组织特征映射(SOM)神经网络参数(竞争层维数、网络训练次数)进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率.结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震.
文献关键词：
地震识别;集合经验模态分解;自组织特征映射;鲸鱼优化算法;多尺度分布熵
中图分类号：
作者姓名：
庞聪;王磊;马武刚;江勇;廖成旺
作者机构：
中国地震局地震研究所,武汉市洪山侧路40号,430071;武汉引力与固体潮国家野外科学观测研究站,武汉市洪山侧路40号,430071;航天工程大学电子与光学工程系,北京市八一路1号,101416
文献出处：
引用格式：
[1]庞聪;王磊;马武刚;江勇;廖成旺-.地震与爆破波形信号的EEMD多尺度分布熵提取和WOA-SOM神经网络识别研究)[J].大地测量与地球动力学,2022(09):980-984
A类：
多尺度分布熵
B类：
波形信号,EEMD,WOA,SOM,地震信号,环境噪声,天然地震,地震事件,人工爆破,集合经验模态分解,降噪,纯净,本征模态函数,IMF,鲸鱼优化算法,自组织特征映射,网络参数,网络训练,训练样本,最优参数,参数值,模式识别,高地震,地震识别,识别率,人工地震
AB值：
0.28474
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。
