典型文献
神经网络参数对地震类型识别的影响
文献摘要：
由于震源识别模型判据选取不当或关键参数设置不合理,现有地震辨识模型的性能受到一定制约.为了改善地震类型识别效果,优化反向传播(back propagation,BP)神经网络参数设置,提出了一种经验模态分解(empirical mode decomposi-tion,EMD)多尺度近似熵(multi-scale approximate entropy)判据,并讨论训练函数、激活函数、隐藏层神经元数目与学习速率等网络参数对地震辨识的影响.首先,针对多组天然地震事件及人工爆破事件波形进行关键信息提取与归一化,利用EMD算法提取6个本征模态函数(intrinsic mode function,IMF)和1个剩余分量(residual),然后分别计算近似熵得到EMD多尺度近似熵向量;再次,设计一系列BP神经网络调参实验,研究BP神经网络参数对地震类型识别的影响.结果表明,训练函数、激活函数、隐藏层数目等参数对地震辨识产生了明显的影响,辨识效果较好的参数组合为:训练函数采用共轭梯度法,输出层激励函数为purelin函数,隐层激励函数为logsig函数,隐层节点数和学习率分别设置为10和0.01,此时的Accuracy、Speed、MSE分别为97.0897％、0.3059 s、0.0382.该研究弥补了神经网络调参和EMD多尺度近似熵判据在震源识别领域的空白,有助于提高与改善地震识别的准确率和稳定性.
文献关键词：
天然地震;人工爆破;反向传播神经网络;影响因素;经验模态分解;多尺度近似熵
中图分类号：
作者姓名：
庞聪;江勇;吴涛;廖成旺;马武刚
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
文献出处：
引用格式：
[1]庞聪;江勇;吴涛;廖成旺;马武刚-.神经网络参数对地震类型识别的影响)[J].科学技术与工程,2022(18):7765-7772
A类：
地震类型识别,地震辨识,多尺度近似熵,logsig,熵判据
B类：
网络参数,震源,识别模型,参数设置,辨识模型,back,propagation,经验模态分解,empirical,mode,decomposi,EMD,multi,scale,approximate,entropy,激活函数,学习速率,天然地震,地震事件,人工爆破,关键信息,信息提取,本征模态函数,intrinsic,function,IMF,residual,层数,数组,共轭梯度法,出层,激励函数,purelin,隐层节点,学习率,Accuracy,Speed,MSE,地震识别,反向传播神经网络
AB值：
0.288419
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。
