基于时频特征和机器学习的小震级地震事件类型识别
李雪颜
边银菊
侯晓琳
王婷婷
张艺潇
中国北京 100081 中国地震局地球物理研究所
摘要：针对华北地区小震级(ML≤3.0)地震事件,利用K-近邻算法(KNN)、自适应提升算法(AdaBoost)和轻量级梯度提升机算法(LGBM)对天然地震、人工爆破以及矿震塌陷事件进行类型识别.首先对地震事件波形记录和时频谱进行分析,提取时间、P波与S波振幅比、频率、过零率、峰值振幅、峰值加速度、能量、信号、角度及其它比值等 10 个类别的 62 个特征,并将这些特征作为分类的基础;然后采用三种分类算法分别对二分类任务和三分类任务进行模型训练;最后对测试数据的类型进行识别.结果显示:所有分类模型的识别准确率均达 90.0%以上,其中LGBM的综合性能最强,AdaBoost次之;不同分类任务中天然地震与矿震的分类模型表现最佳.
关键词：天然地震非天然地震事件特征提取地震事件分类
分类号：P315.61(大地（岩石界）物理学（固体地球物理学）)
资助基金：北京市自然科学基金(8234066)中国地震局地球物理研究所自主立项项目(0722001)
论文发表日期：2025-07-30
在线出版日期：2025-09-04（本平台首次上网日期，不代表文献的发表时间）
页数：16( 594-609 )
英文信息