摘要
一种基于深度学习的地震波识别方法,包括第一步,采集地震波信号得到原始数据,经中心截取和归一化处理后得到统一信号;第二步,用CEEMDAN分解统一信号,得到若干阶本征模态函数与残差分量,对每阶模态函数按预设时间尺度参数粗粒化处理划分子序列,再通过模糊隶属度函数构建相似性准则,计算各子序列模糊熵值并整合成特征矩阵,第三步,采用概率主成分分析对特征矩阵降维,得到降维后特征矩阵,第四步,将降维后特征矩阵输入由部落竞争与成员合作算法优化的CTCM‑1D‑CNN模型,预测输出地震波类型,完成地震波识别。因此,本设计对地震波识别的精度与稳定性较好。
技术关键词
卷积神经网络模型
识别方法
模糊隶属度函数
概率主成分分析
矩阵
一维卷积神经网络
序列
信号
超参数
标签
地震监测设备
加速度
度量
数据
算法
特征值
贡献率
随机梯度下降