基于XGBoost机器学习的地磁日变重构方法研究
程文凯1
杜劲松2
陈超1
艾萨·伊斯马伊力3
1.中国武汉 430074 中国地质大学(武汉)地球物理与空间信息学院;中国武汉 430074 地球内部多尺度成像湖北省重点实验室2.中国武汉 430074 中国地质大学(武汉)地球物理与空间信息学院;中国武汉 430074 地球内部多尺度成像湖北省重点实验室;中国武汉 430074 地质过程与矿产资源国家重点实验室3.中国乌鲁木齐 830011 新疆维吾尔自治区地震局
摘要：为了重构或恢复存在严重干扰或数据缺失的台站观测数据,本文基于周边已有台站的高质量观测数据采用XGBoost机器学习方法重构地磁日变数据.仿真试验结果显示,无论是磁静日还是磁扰日,地磁场分量的绝对残差均值均低于0.1 nT.试验统计数据及重构结果残差曲线的对比分析表明,地磁日变重构精度与地磁活动性和待重构信号的时变剧烈程度有关;相较于反向传播神经网络,XGBoost方法对地磁场日变数据的重构精度更高.本文研究表明,基于XGBoost机器学习的重构方法在处理非线性复杂问题方面具有优势,能够用于高精度重构存在严重干扰或数据缺失的地磁台站观测数据的重构.
关键词：数据重构地磁场日变XGBoost机器学习
分类号：P318.2(大地（岩石界）物理学（固体地球物理学）)P315.72+1(大地（岩石界）物理学（固体地球物理学）)
资助基金：国家重点研发计划(2016YFC0303000)国家自然科学基金(41604060)国家重点实验室自主研究项目(MSFGPMR01-4)新疆地震科学基金(202001)
论文发表日期：2021-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 100-112 )
英文信息