基于时频特征和机器学习的小震级地震事件类型识别
针对华北地区小震级（ML≤3.0）地震事件，利用K-近邻算法（KNN）、自适应提升算法（AdaBoost）和轻量级梯度提升机算法（LGBM）对天然地震、人工爆破以及矿震塌陷事件进行类型识别。首先对地震事件波形记录和时频谱进行分析，提取时间、P波与S波振幅比、频率、过零率、峰值振幅、峰值加速度、能量、信号、角度及其它比值等10个类别的62个特征，并将这些特征作为分类的基础；然后采用三种分类算法分别对二分类任务和三分类任务进行模型训练；最后对测试数据的类型进行识别。结果显示：所有分类模型的识别准确率均达90.0%以上，其中LGBM的综合性能最强，AdaBoost次之；不同分类任务中天然地震与矿震的...
| Published in: | Dizhen xuebao |
|---|---|
| Main Authors: | , , , , |
| Format: | Article |
| Language: | Chinese |
| Published: |
Editorial Office of Acta Seismologica Sinica
2025-07-01
|
| Subjects: | |
| Online Access: | https://www.dzxb.org/10.11939/jass.20240012 |