典型文献
基于生成对抗网络与随机森林组合模型的地震与地脉动区分研究
文献摘要：
地震事件识别是地震监测业务的基础性工作,特别是随着大规模地震台站建设、海量地震数据汇聚以及地震预警的发展,从连续波形记录中自动区分地震与地脉动噪声显得更加重要.以准确识别地震事件为目标,提出了一种基于生成对抗网络(generative adversarial network,GAN)与随机森林(random forest,RF)的地震事件识别组合模型,该模型先利用生成对抗网络提取波形信号特征、再利用随机森林基于提取的波形信号特征将地震事件识别转化为地震与地脉动的分类问题.地震与地脉动各5 378条数据的测试集研究结果表明,该模型对地震事件与地脉动的分类准确率均可以达到99％以上,地震事件识别率比较传统的长短时窗方法(short term averaging/long term averaging,STA/LTA)提高了23.56个百分点,表明该模型可以从地脉动中准确识别地震事件,并在地震监测与地震预警中具有应用前景.
文献关键词：
生成对抗网络(GAN);随机森林(RF);地震;地脉动;地震预警
中图分类号：
作者姓名：
刘赫奕;宋晋东;李山有
作者机构：
中国地震局工程力学研究所 地震工程与工程振动重点实验室,哈尔滨 150080;地震灾害防治应急管理部重点实验室,哈尔滨150080
文献出处：
引用格式：
[1]刘赫奕;宋晋东;李山有-.基于生成对抗网络与随机森林组合模型的地震与地脉动区分研究)[J].振动与冲击,2022(15):312-318
A类：
B类：
生成对抗网络,组合模型,地震事件,事件识别,地震监测,基础性工作,地震台站,台站建设,地震数据,数据汇聚,地震预警,连续波,地脉动噪声,声显,准确识别,generative,adversarial,network,GAN,random,forest,RF,别组,波形信号,信号特征,分类问题,条数据,测试集,分类准确率,识别率,时窗,short,term,averaging,long,STA,LTA,百分点
AB值：
0.294041
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。
