發(fā)布時(shí)間：2024-10-02 21:00

　　 對山東地區(qū)2006～2017年3種地震事件——天然地震、爆破及塌陷的波形記錄進(jìn)行小波變換,對提取出的香農(nóng)熵特征采用支持向量機(jī)LIBSVM方法進(jìn)行分類識別,并設(shè)計(jì)一系列實(shí)驗(yàn)研究影響最終分類效果的因素。結(jié)果表明,5種影響因素——信號窗長度、小波分解方式、小波基類型、向量機(jī)算法類型、向量機(jī)核函數(shù)類型均對地震類型的分類識別結(jié)果產(chǎn)生一定的影響;識別率最高的3組處理方式均采用了2 000 s信號窗長度+db7小波基+υ-SVC算法的組合方式。所得的識別率較高的幾種影響因素組合,在未來可應(yīng)用于地震類型的實(shí)時(shí)識別,進(jìn)一步提高地震類型的識別率和觸發(fā)準(zhǔn)確率。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1不同信號窗長度的波形信號對比

由表3可知,不論采用DWT還是WPT的小波分解方式,對最終分類識別結(jié)果的影響不大。還可以看出,在υ-SVC算法下,核函數(shù)類型選擇線性或多項(xiàng)式核函數(shù)時(shí)識別率明顯較高。3.3小波基的類型

本文編號：4006354