典型文献
粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究
文献摘要：
天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法.该方法先通过经验模态分解(EMD)将初始信号分解成6个本征模态函数(IMF)及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型.将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2 及 MSE 分别为 95％、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型.该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将 PSO-GRNN 模型与 HHT样本熵结合可作为天然地震与人工爆破事件辨识的有效方法.
文献关键词：
地震辨识;广义回归神经网络;粒子群算法;光滑因子;样本熵;希尔伯特-黄变换
中图分类号：
作者姓名：
庞聪;丁炜;程诚;吴涛;江勇;马武刚;廖成旺
作者机构：
中国地震局地震研究所,武汉 430071;地震预警湖北省重点实验室,武汉 430071;湖北省地震局,武汉 430071;运城学院数学与信息技术学院,运城 044031
文献出处：
引用格式：
[1]庞聪;丁炜;程诚;吴涛;江勇;马武刚;廖成旺-.粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究)[J].地球物理学进展,2022(04):1457-1463
A类：
地震辨识
B类：
粒子群优化,广义回归神经网络,HHT,样本熵,天然地震,人工爆破,爆破信号,类型辨识,经验模态分解,EMD,信号分解,分解成,本征模态函数,IMF,Hilbert,瞬时频率,瞬时能量,造神,神经网络训练,训练集,测试集,粒子群算法,集优化,光滑因子,参数值,PSO,GRNN,分类模型,BPNN,RBFNN,MAE,MAPE,RMSE,性能评价指标,模型性能,随机试验,希尔伯特,黄变
AB值：
0.321912
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。
