基于S谱能量曲线与卷积神经网络的天然地震与爆破事件分类识别
孟娟
李亚南
高强
中国河北三河 065201 防灾科技学院电子科学与控制工程学院
摘要：以震级为ML1.3-3.0 的 1 万 2 936 条人工爆破微震记录和 1 万 3 215 条天然微震波形为研究对象,对其原始地震波形进行 1-30 Hz带通滤波以去除长周期干扰,并基于长短时窗均值比(STA/LTA)算法进行P波识别与筛选.对处理后的地震波形数据进行S变换,获取其S谱能量曲线,然后将S谱能量曲线图转换为 32×32 像素的灰度特征图,并将其作为卷积神经网络的输入进行训练,基于训练好的模型进行 10 折交叉测试验证.结果显示地震与爆破事件的分类识别准确率高达 97.80%,表明利用S谱能量曲线能较好地识别天然地震与人工爆破.
关键词：人工爆破天然地震卷积神经网络(CNN)S变换分类识别
分类号：P315.3+1(大地（岩石界）物理学（固体地球物理学）)P315.63(大地（岩石界）物理学（固体地球物理学）)
资助基金：河北省廊坊市科技支撑计划项目(2024011008)中央高校基本科研业务费研究生科技创新基金项目(ZY20240329)
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：10( 232-241 )
英文信息