基于PSO-SVM的地震信号分类识别研究
施佳朋
黄汉明
薛思敏
黎炳君
广西师范大学计算机科学与信息工程学院 桂林 541004
摘要：针对地震信号难以分类识别问题,运用了粒子群优化算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vector Machine,SVM)方法,建立了以小波包分解求出的奇异值熵分量为特征输入的PSO-SVM模型.实验中以天然地震和人工爆破这两类地震信号进行,为了验证方法,文中开展了两种类型的实验——分别以单份波形和整个事件为识别单元,仿真实验结果表明,在以奇异值熵分量为特征中,PSO-SVM模型能有效地对地震信号进行分类识别.
关键词：地震信号分类识别支持向量机粒子群优化算法奇异值熵分量
分类号：TN911.7(通信)
资助基金：广西重点研发计划(2017AB54055)国家自然科学基金(41264001)
论文发表日期：2021-06-20
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：6( 1037-1041,1046 )
英文信息