地震潛藏著巨大的危害性。地震領(lǐng)域的研究者們,一般是通過監(jiān)測地震信號來了解地震的發(fā)生和傳播過程。地震信號來源復(fù)雜,其來源不僅可能是天然地震事件,還可能是如人工爆破、化學(xué)爆炸、地下核爆等非天然地震事件。由于條件所限,本文相關(guān)研究所涉及的非天然地震事件只考慮人工爆破事件;只考慮人工爆破事件的另外主要原因是:人工爆破這類工程活動也是地震觀測臺網(wǎng)中出現(xiàn)較為頻繁的事件震源類型。針對天然地震和人工爆破的地震波形信號分類問題,本文研究了基于經(jīng)驗?zāi)B(tài)分解（EMD）、變分模態(tài)分解（VMD）和長短期記憶網(wǎng)絡(luò)（LSTM）的模型分類識別方法;基于時頻圖和深度學(xué)習(xí)分類識別方法;基于熵分量特征的分類識別方法。主要工作如下:（1）提出了一種基于EMD-VMD-LSTM模型分類識別方法。綜合經(jīng)驗?zāi)B(tài)分解和變分模態(tài)分解2種現(xiàn)代信號處理方法并應(yīng)用于地震信號處理,利用對時間序列具有良好處理能力的長短期記憶網(wǎng)絡(luò),構(gòu)成EMD-VMD-LSTM模型,以對地震信號進(jìn)行分類識別。（2）基于了熵分量特征來進(jìn)行地震信號的分類識別。地震波形經(jīng)過小波包分解的1條波形可得到1個小波包系數(shù)矩陣,對該矩陣進(jìn)行奇異值分解,取較大的排在前面主要奇異值計... 

【文章來源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

地震預(yù)警系統(tǒng)框架圖

廣西師范大學(xué)碩士研究生學(xué)位論文82.1地震信號的數(shù)據(jù)預(yù)處理在收集到的地震信號波形數(shù)據(jù)中，會有因為外界的各種干擾因素，諸如儀器因素、干擾噪聲等，為了能更好的還原信號真實性，提高對地震信號的分類識別精確度，在對地震信號進(jìn)行分類識別研究前，需要對地震信號波形經(jīng)過一定的預(yù)處理步驟。預(yù)處理方法中，首先是對地震信號進(jìn)行初步的篩選，去除掉一些很明顯的干擾波形數(shù)據(jù)，因為在地震臺網(wǎng)收集到的地震信號數(shù)據(jù)中，難免會混入了一些如純直線、純噪聲的干擾波形數(shù)據(jù)，如下圖所示的純直線波形數(shù)據(jù)和純噪聲波形數(shù)據(jù)。圖2.1無效波形圖圖2.2無效純噪聲圖經(jīng)過對地震信號初步預(yù)篩選完后，接著對地震信號波形使用歸一化處理，歸一化是通過一定規(guī)律將有量綱的數(shù)據(jù)變?yōu)榱藳]有量綱的數(shù)據(jù)，即標(biāo)量[35]，使用歸一化對數(shù)據(jù)進(jìn)行處理，能夠讓系統(tǒng)絕對關(guān)系變?yōu)橄鄬χ店P(guān)系，起到了簡化計算和減小數(shù)值相差太大的影響。通過歸一化把地震信號波形的數(shù)據(jù)范圍規(guī)劃在了0和1之間的小數(shù)，在原地震信號波形數(shù)

廣西師范大學(xué)碩士研究生學(xué)位論文82.1地震信號的數(shù)據(jù)預(yù)處理在收集到的地震信號波形數(shù)據(jù)中，會有因為外界的各種干擾因素，諸如儀器因素、干擾噪聲等，為了能更好的還原信號真實性，提高對地震信號的分類識別精確度，在對地震信號進(jìn)行分類識別研究前，需要對地震信號波形經(jīng)過一定的預(yù)處理步驟。預(yù)處理方法中，首先是對地震信號進(jìn)行初步的篩選，去除掉一些很明顯的干擾波形數(shù)據(jù)，因為在地震臺網(wǎng)收集到的地震信號數(shù)據(jù)中，難免會混入了一些如純直線、純噪聲的干擾波形數(shù)據(jù)，如下圖所示的純直線波形數(shù)據(jù)和純噪聲波形數(shù)據(jù)。圖2.1無效波形圖圖2.2無效純噪聲圖經(jīng)過對地震信號初步預(yù)篩選完后，接著對地震信號波形使用歸一化處理，歸一化是通過一定規(guī)律將有量綱的數(shù)據(jù)變?yōu)榱藳]有量綱的數(shù)據(jù)，即標(biāo)量[35]，使用歸一化對數(shù)據(jù)進(jìn)行處理，能夠讓系統(tǒng)絕對關(guān)系變?yōu)橄鄬χ店P(guān)系，起到了簡化計算和減小數(shù)值相差太大的影響。通過歸一化把地震信號波形的數(shù)據(jù)范圍規(guī)劃在了0和1之間的小數(shù)，在原地震信號波形數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]基于變分模態(tài)分解的地震隨機(jī)噪聲壓制方法[J]. 方江雄,溫志平,顧華奇,劉軍,張華.  石油地球物理勘探. 2019(04)
[2]基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的地震波形自動分類與識別[J]. 趙明,陳石,Dave Yuen.  地球物理學(xué)報. 2019(01)
[3]基于Bagging集成學(xué)習(xí)算法的地震事件性質(zhì)識別分類[J]. 任濤,林夢楠,陳宏峰,王冉冉,李松威,劉曉雨,劉杰.  地球物理學(xué)報. 2019(01)
[4]深度神經(jīng)網(wǎng)絡(luò)拾取地震P和S波到時[J]. 于子葉,儲日升,盛敏漢.  地球物理學(xué)報. 2018(12)
[5]基于改進(jìn)經(jīng)驗?zāi)B(tài)分解的地震弱信號增強(qiáng)處理方法[J]. 羅紅梅,宋維琪,邢漪冉,王長江,穆星.  地球物理學(xué)進(jìn)展. 2019(01)
[6]基于小波包分解重構(gòu)的微地震信號降噪方法[J]. 曹偉,孫紅梅,賈瑞生,崔云潔,陳興飛.  電子測量與儀器學(xué)報. 2018(04)
[7]基于SVM算法的地震小斷層自動識別[J]. 孫振宇,彭蘇萍,鄒冠貴.  煤炭學(xué)報. 2017(11)
[8]中國地震發(fā)生頻數(shù)及區(qū)域性特征的計算統(tǒng)計分析[J]. 蔡昕芮.  統(tǒng)計與管理. 2016(11)
[9]基于小波包和峰度赤池信息量準(zhǔn)則的P波震相自動識別方法[J]. 田優(yōu)平,趙愛華.  地震學(xué)報. 2016(01)
[10]廣西龍灘庫區(qū)地震拐角頻率時空差異性特征[J]. 陸麗娟,黃樹生,張帆,周斌,閻春恒.  地震研究. 2015(03)



本文編號：3090591