典型文献
基于随机子空间和AdaBoost集成学习的地震事件性质辨识研究
文献摘要：
在常规强震动监测工作中,常记录到人工爆破、塌陷等非天然地震动事件信号,以及电磁环境干扰、设备故障等引起的异常信号,这对地震预警预报工作中的地震精确识别极为不利.设计一种新型天然地震事件特征提取及性质辨识方法,克服以往全人工或半人工识别地震的不足之处,引入协方差驱动的随机子空间(Cov-SSI)方法,经过Hankel矩阵构造、奇异值分解、系统定阶、特征值分解及系统状态矩阵方程求解等步骤,从目标记录中提取出系统阶次、系统协方差矩阵奇异值累加和、有效奇异值个数、模态频率及系统特征根实部等特征参数,应用决策树为弱学习器的AdaBoost集成学习算法对目标事件进行性质辨识.实验数据选取九寨沟MS7.0级天然地震事件强震动记录与干扰数据,结果表明:整体辨识准确率达到90％以上;在同等条件下,辨识准确率、召回率、F-Measure等性能指标皆优于SVM、KNN、DAC等传统机器学习方法;该法在天然地震事件性质准确辨识领域,有一定的参考价值.
文献关键词：
地震事件分类;随机子空间;集成学习;模态参数;决策树
中图分类号：
作者姓名：
吴涛;庞聪;江勇;丁炜;廖成旺
作者机构：
中国地震局地震研究所,武汉 430071;中国地震局地震大地测量重点实验室,武汉 430071;湖北省地震局,武汉 430071
文献出处：
引用格式：
[1]吴涛;庞聪;江勇;丁炜;廖成旺-.基于随机子空间和AdaBoost集成学习的地震事件性质辨识研究)[J].地球物理学进展,2022(03):981-988
A类：
强震动监测,系统定阶,系统特征根,地震事件分类
B类：
随机子空间,AdaBoost,事件性,监测工作,录到,人工爆破,塌陷,非天然地震,地震动,电磁环境,环境干扰,设备故障,异常信号,地震预警,预警预报,精确识别,事件特征,辨识方法,人工识别,Cov,SSI,Hankel,奇异值分解,特征值分解,状态矩阵,矩阵方程,阶次,协方差矩阵,累加,有效奇异值,奇异值个数,模态频率,决策树,集成学习算法,九寨沟,MS7,强震动记录,干扰数据,同等条件,召回率,Measure,KNN,DAC,机器学习方法,模态参数
AB值：
0.36588
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。
