基于三分支卷积神经网络与迁移学习的地震事件自动分类方法

本发明涉及地震信号处理与人工智能交叉技术领域，公开了基于三分支卷积神经网络与迁移学习的地震事件自动分类方法，包括：S1、对原始三分量地震波形数据进行预处理，获取去噪、标准化且时间对齐的波形数据；S2、根据预处理后的波形数据提取频谱数据，并计算Pg波和Sg波的振幅比；S3、将预处理后的波形数据、频谱数据和振幅比输入三分支卷积神经网络，获取波形分支特征、频谱分支特征和振幅比特征；S4、将三个分支的输出特征进行拼接或加权融合形成综合特征，对综合特征进行分类处理，输出地震、爆破和塌陷事件的分类概率。本发明融合了多个分支的特征，形成了更全面的地震事件特征表示，有助于提高分类准确率。