本文關(guān)鍵詞： 地震波 震源識別 BP-Adaboost方法 EMD-TKEO算法 波群識別　出處：《廣西師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：地震事件是地球物理演變過程中的必然事件,地震活動具有潛在的巨大破壞性,在人口稠密地區(qū)發(fā)生的強(qiáng)烈地震事件會對人民生命財產(chǎn)造成巨大損失。人們已建立起分布廣泛的地震觀測臺網(wǎng)監(jiān)測地震活動,地震波形信號是監(jiān)測地震活動的唯一手段。許多在地表附近發(fā)生的非天然地震事件如化學(xué)爆炸、地下核爆炸、泥石流、滑坡、礦塌、地面塌陷、甚至大型工程建設(shè)中的人工活動源等都會以地震波的形式向四周傳播能量,隨著觀測臺網(wǎng)布置密集程度的增加和觀測儀器靈敏度的提高,這些地震波也會被地震觀測儀器檢測到。對于天然地震事件,地震三要素:震源、震級、發(fā)震時刻,可以從臺網(wǎng)觀測波形求得;當(dāng)然,通過地震波反演波形傳播路徑的特性則是探求地球內(nèi)部結(jié)構(gòu)的唯一手段。如何從連續(xù)觀測信號中自動截取出對應(yīng)于有效事件活動源的地震波形信號、以及根據(jù)所截取的地震波形信號的波形特征分類識別出震源類型(本文只關(guān)注地震和爆炸分類)則是本研究的主要內(nèi)容。本文就震源類型識別研究、地震信號P波和S波初至?xí)r刻檢測及波形自動提取、波群(噪聲、P波群和S波群)樣本識別3個問題展開論述。提出了一種基于BP-Adaboost方法的震源類型識別算法:選取BP神經(jīng)網(wǎng)絡(luò)作為弱分類器,通過Adaboost方法組合成強(qiáng)分類器。通過與BP神經(jīng)網(wǎng)絡(luò)、PCA-SVM方法對所選用的地震、爆炸事件波形信號數(shù)據(jù)集的分類識別結(jié)果表明,本方法得到了 98%以上的正確識別率,且具有良好泛化能力。提出一種基于EMD-TKEO算法的P波和S波初至?xí)r刻檢測及地震波形自動截取算法:首先,事件全過程波形整體濾波,濾波后波形64樣本點(diǎn)為窗口長度分窗;接著,每一窗口信號5層EMD分解,得到IMF;然后,EMD分解之后的IMF1分量計算TKEO能量,并歸一化;最后,選定合適能量閾值來推斷P波和S波初至?xí)r刻。實(shí)驗結(jié)果表明,與目前主流方法STA-LTA及AR_AIC方法相比,本方法計算時間較短,且更早能識別出P波初至?xí)r刻的到來。通過設(shè)定適當(dāng)?shù)拈撝?還可以從連續(xù)觀測信號中截取出涵蓋一個事件全過程的整段有效地震波形,這樣就可以去除連續(xù)觀測信號中的非事件部分的信號,對實(shí)驗地震數(shù)據(jù)的截取研究平均壓縮比可達(dá)57%,這可減小觀測地震信號的存貯空間。提出了波群檢測的識別判據(jù):平均譜能量值和均方根誤差特征,在EMD-TKEO算法的基礎(chǔ)上,準(zhǔn)確提取出噪聲、P波群和S波群樣本,通過擴(kuò)展的多分類SVM方法進(jìn)行分類識別研究。通過網(wǎng)格搜索法得出(C,σ)的二元組在取值為(1,0.01)時對波群樣本的識別率最好,識別率為99%,并且有較高的算法執(zhí)行效率,同時實(shí)驗也說明了提出波群特征的有效性,使用較少的特征就能達(dá)到理想的識別效果。
[Abstract]:Earthquake event is an inevitable event in the process of geophysical evolution, and seismic activity is potentially destructive. Strong earthquake events in densely populated areas will cause great losses to people's lives and property. A network of widely distributed seismic observatories has been established to monitor seismic activities. Seismic waveform signals are the only means of monitoring seismic activity. Many unnatural earthquake events occurring near the surface such as chemical explosion underground nuclear explosion debris flow landslide mine collapse ground collapse. Even the artificial sources in the construction of large-scale projects will propagate energy in the form of seismic waves, with the increase of the density of observation network arrangement and the increase of the sensitivity of observation instruments. These seismic waves will also be detected by seismic observation instruments. For natural earthquake events, the three elements of earthquakes are: source, magnitude, and time of occurrence, which can be obtained from the observation waveforms of the network; Of course, the characteristics of waveform propagation path by seismic wave inversion is the only means to explore the internal structure of the earth. How to automatically intercept the seismic waveform signal corresponding to the active source of effective events from the continuous observation signal. The main content of this study is to classify and identify the source type according to the waveform characteristics of the intercepted seismic waveform signal (only focus on earthquake and explosion classification in this paper). Seismic signal P wave and S wave first arrival time detection and waveform automatic extraction, wave group (noise). This paper discusses three problems in the identification of P-wave group and S-wave group. A new method of source type recognition based on BP-Adaboost method is presented. BP neural network is selected as the weak classifier. The Adaboost method is combined to form a strong classifier, and the classification and recognition results of selected seismic and explosion waveform data sets with BP neural network / PCA-SVM method show that. The correct recognition rate of above 98% is obtained by this method. A new algorithm based on EMD-TKEO algorithm is proposed to detect the first arrival time of P wave and S wave and to intercept the seismic waveform automatically. Firstly, the whole waveform filtering of the whole process of the event is proposed. The 64 sample points of the filtered waveform are window length window splitting; Then, each window signal is decomposed into five layers of EMD. Then the IMF1 component after EMD decomposition is used to calculate the TKEO energy and normalize it. Finally, the appropriate energy threshold is selected to infer the first arrival time of P wave and S wave. The experimental results show that the calculation time of this method is shorter than that of STA-LTA and AR_AIC methods. And the arrival of the first arrival of P wave can be recognized earlier. By setting the appropriate threshold, the whole effective seismic waveform covering the whole process of an event can be intercepted from the continuous observation signal. In this way, the non-event part of the continuous observation signal can be removed, and the average compression ratio of the experimental seismic data interception can reach 57%. This can reduce the storage space of observed seismic signals. The identification criteria of wave group detection are proposed: the average spectral energy value and the root mean square error feature. The noise is extracted accurately on the basis of EMD-TKEO algorithm. The sample of P wave group and S wave group is classified and identified by extended multi-classification SVM method, and the binary group of C, 蟽) is obtained by grid search method. The recognition rate of the wave group samples is the best, the recognition rate is 99%, and the efficiency of the algorithm is high. At the same time, the experiment also shows the effectiveness of the proposed wave group features. An ideal recognition effect can be achieved by using fewer features.
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P315

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王西文,劉全新,李幼銘,劉洪,高靜懷;地震信號瞬時特征在小波域分頻提取的方法和應(yīng)用[J];石油地球物理勘探;2000年04期

2 閆新海,程德福,李桐林;地震信號中長周期隨機(jī)干擾抑制技術(shù)的研究[J];世界地質(zhì);2000年01期

3 閆新海,程德福,宋曉琴;地震信號中長周期隨機(jī)干擾的消除方法[J];地質(zhì)裝備;2000年01期

4 張鳳環(huán),陳安方;一種新型的地震信號判別電路[J];東北地震研究;2002年04期

5 王海軍,劉貴忠,范萬春;廣義分維在地震信號初至檢測中的應(yīng)用[J];核電子學(xué)與探測技術(shù);2004年06期

6 傅燕,趙榮椿,王剛;小波變換在地震信號噪聲處理中的應(yīng)用[J];西北工業(yè)大學(xué)學(xué)報;2004年06期

7 劉喜武;劉婉瑩;劉洪;李幼銘;;地震信號廣義時頻分析及其數(shù)值實(shí)現(xiàn)[J];物探化探計算技術(shù);2007年05期

8 黃捍東;張如偉;郭迎春;;地震信號的小波分頻處理[J];石油天然氣學(xué)報;2008年03期

9 劉霞;潘洪屏;高曉春;吳偉龍;;基于小波閾值的地震信號去噪處理[J];科學(xué)技術(shù)與工程;2010年29期

10 馮智慧;劉財;馮fE;王典;張先武;;基于高階累積量一維切片的地震信號初至自動拾取方法[J];吉林大學(xué)學(xué)報(地球科學(xué)版);2011年02期

相關(guān)會議論文 前10條

1 朱培民;俞國柱;王家映;;地震信號的對稱性、高斯性及其檢測方法[A];2001年中國地球物理學(xué)會年刊——中國地球物理學(xué)會第十七屆年會論文集[C];2001年

2 張猛;王華忠;;小波變換和希爾伯特變換在地震信號瞬時參數(shù)提取中的比較研究[A];中國地球物理學(xué)會第二十七屆年會論文集[C];2011年

3 盧軍;潘衛(wèi)平;;地震信號數(shù)字磁帶記錄回放系統(tǒng)[A];1995年中國地球物理學(xué)會第十一屆學(xué)術(shù)年會論文集[C];1995年

4 歐陽祖熙;師潔珊;雷興利;;正交變換在地震信號實(shí)時檢測與處理中的應(yīng)用[A];中國地震學(xué)會第三次全國地震科學(xué)學(xué)術(shù)討論會論文摘要匯編[C];1986年

5 范葉平;;磁帶記錄地震信號的模數(shù)轉(zhuǎn)換與處理[A];中國地震學(xué)會第七次學(xué)術(shù)大會論文摘要集[C];1998年

6 羅朝盛;汪富泉;;分形與小波在地震信號的壓縮及其恢復(fù)中的應(yīng)用[A];1992年中國地球物理學(xué)會第八屆學(xué)術(shù)年會論文集[C];1992年

7 熊高君;張學(xué)工;李衍達(dá);;利用地震信號自動確定飛機(jī)投彈炸點(diǎn)位置的方法[A];2001年中國地球物理學(xué)會年刊——中國地球物理學(xué)會第十七屆年會論文集[C];2001年

8 廖祖文;高靜懷;陳文超;;極平坦沖擊響應(yīng)濾波器估計地震信號瞬時特征[A];中國地球物理學(xué)會第二十屆年會論文集[C];2004年

9 沈萍;楊選輝;劉希強(qiáng);張廉強(qiáng);;提高地震信號分辨率的小波包方法[A];中國地球物理第二十一屆年會論文集[C];2005年

10 許朝陽;范萬春;季國華;劉俊民;;時頻分析在地震信號初至估計中的應(yīng)用[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

相關(guān)重要報紙文章 前1條

1 通訊員 趙彬　楊雄武 吳洪彪;全國第一個地震信號發(fā)射臺在賓川建成并投入使用[N];大理日報(漢);2011年

相關(guān)博士學(xué)位論文 前5條

1 劉霞;基于譜分解的巖性油氣藏薄層識別技術(shù)研究[D];東北石油大學(xué);2014年

2 張超;微弱地震信號時頻消噪算法研究[D];吉林大學(xué);2016年

3 田琳;地震信號分?jǐn)?shù)域頻譜成像基礎(chǔ)理論及若干問題研究[D];電子科技大學(xué);2016年

4 王培茂;地震信號的時頻特征表示方法及應(yīng)用[D];吉林大學(xué);2008年

5 付燕;人工地震信號去噪方法研究[D];西北工業(yè)大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 劉志峰;基于形態(tài)分量分析的二維地震信號重建算法研究[D];河北工業(yè)大學(xué);2015年

2 鄭佳;復(fù)雜地震信號分?jǐn)?shù)域譜估計理論及應(yīng)用[D];電子科技大學(xué);2016年

3 屈光中;基于稀疏表示的地震信號隨機(jī)噪聲壓制與面波分離[D];合肥工業(yè)大學(xué);2016年

4 趙晨杰;基于特征分析的地震信號交互處理系統(tǒng)研究與實(shí)現(xiàn)[D];廣西師范大學(xué);2016年

5 李寅;基于稀疏表示的地震信號壓縮方法研究[D];大連理工大學(xué);2016年

6 趙剛;地震信號自動截取算法與震源類型識別研究[D];廣西師范大學(xué);2017年

7 陳穎頻;地震信號分?jǐn)?shù)域頻譜成像理論及應(yīng)用研究[D];電子科技大學(xué);2013年

8 馬妍;基于時頻分析的地震信號瞬時參數(shù)提取方法研究[D];東北石油大學(xué);2013年

9 彭建亮;最優(yōu)分?jǐn)?shù)階濾波器設(shè)計及應(yīng)用研究[D];電子科技大學(xué);2011年

10 陳學(xué)華;時頻分布與地震信號譜分析研究[D];成都理工大學(xué);2006年

，

本文編號：1453472