摘要
本发明提供了一种基于波形识别的事件类型识别方法和装置,所述方法包括:预先采用具体区域的多类事件波形样本数据集训练改进的Alexnet卷积神经网络得到事件类型识别模型,可以采用事件类型识别模型对具体区域待识别波形数据进行事件类型检测,确定发生的是天然地震、人工爆破、塌陷、矿震等哪一类事件。本发明将原始事件波形作为模型的训练与使用的输入数据,而不是预先提取若干判据或部分频域数据进行降维使用,这不但可以简化数据的预处理流程,缩短事件实时判定所需时间,提高识别效率,还保证在模型训练和使用过程中保留事件中的更多原始信息,有利于进一步提高事件的识别准确度。
技术关键词
卷积神经网络模型
样本
波形数据采集模块
识别模型训练方法
识别方法
通信接口
处理器
存储器
地震
识别装置
标记
识别模块
因子
曲线
误差
电子设备
系统为您推荐了相关专利信息
双相不锈钢
冒口
浇注工艺
缺陷预测
训练样本数据
宏基站
5G异构网络
能耗评估模型
微基站
网络仿真
多视角视觉
物资定位系统
卷积神经网络模型
定位方法
识别置信度
需求预测模型
需求预测方法
资源调度系统
分布特征
资源分配