基于GA-XGBoost的天然地震与爆破的小样本分类
李鸿儒
李夕海
牛超
张云
刘继昊
谭笑枫
中国西安 710025 火箭军工程大学核工程学院
摘要：由于爆破数据数量有限,利用分类法识别天然地震与爆破会遇到诸多困难.鉴于此,本文建立了高维特征小样本数据集,基于 XGBoost 模型利用遗传算法(GA)实现对主要影响XGBoost模型分类准确率的迭代次数、最大树深和学习率等三个重要超参数的自主寻优,构建出了GA-XGBoost模型,并将该模型应用于功率谱特征样本集,结果显示:爆破与天然地震的分类准确率高达 94.094%;相比于传统的GS-XGBoost模型(准确率 91.787%),GA-XGBoost模型在显著提升分类准确率的同时,其运行时间也由 409.26 s缩短至 55.48 s,效率提高了超 86%.由此可见,本文建立的GA-XGBoost模型兼顾准确率、稳定性与效率,在小样本分类任务中具有良好的应用前景.
关键词：地震事件XGBoost模型遗传算法小样本特征提取
分类号：P315.3(大地（岩石界）物理学（固体地球物理学）)
资助基金：陕西省自然科学基础研究计划项目(2023-JC-YB-221)陕西省自然科学基础研究计划项目(2023-JC-YB-244)
论文发表日期：2025-03-30
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：11( 221-231 )
英文信息