首站-论文投稿智能助手
典型文献
小样本地震信号识别研究
文献摘要:
研究支持向量机方法在小样本地震信号识别方面的可行性,结果表明,随着样本量增加,该方法的识别率出现先升高再降低的现象.使用山东和江苏地区2006~2017年的地震数据进行实验,仅需每类30个训练样本即可达到85%左右的识别率.该方法识别率的提高不依赖于大量样本的加入,不仅适合于地震数据样本量少的地区开展地震信号识别研究,而且为精简样本库、降低运行成本提供了新思路.
文献关键词:
地震信号识别;小样本;支持向量机;特征向量
作者姓名:
范晓易;王夫运;鄢兆伦;李婷婷;周康雅;王丽
作者机构:
江苏省地震局,南京市卫岗3号,210014;中国地震局地球物理勘探中心,郑州市文化路75号,450002
引用格式:
[1]范晓易;王夫运;鄢兆伦;李婷婷;周康雅;王丽-.小样本地震信号识别研究)[J].大地测量与地球动力学,2022(11):1207-1210,后插1-后插4
A类:
地震信号识别
B类:
小样本,研究支持,支持向量机方法,识别率,高再,再降,江苏地区,地震数据,每类,训练样本,方法识别,不依,数据样本量少,精简,样本库,低运行成本,特征向量
AB值:
0.28362
相似文献
综合遥感解译2022年Mw 6.7青海门源地震地表破裂带
张成龙;李振洪;张双成;王建伟;占洁伟;李鑫泷;刘振江;杜建涛;陈博;孟岭恩;朱武;付鑫;余琛;周保;隋嘉;赵利江;王祖顺;辛兵厂;徐江明;张勤;彭建兵-长安大学地质工程与测绘学院,陕西 西安,710054;长安大学地学与卫星大数据研究中心,陕西 西安,710054;西部矿产资源与地质工程教育部重点实验室,陕西 西安,710054;长安大学运输工程学院,陕西 西安,710064;道路基础设施数字化教育部工程研究中心,陕西 西安,710064;纽卡斯尔大学工程学院,英国 纽卡斯尔,NE1 7RU;青海省地质灾害监测总站,青海 西宁,810008;青海省基础测绘院,青海 西宁,810001;青海省自然资源遥感中心,青海 西宁,810008
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。