基于能量比的天然地震与人工爆破自动识别算法研究

英文篇名：Research on Automatic Recognition of Natural Earthquake and Artificial Explosion Based on Energy Ratio
中文刊名：华南地震
英文刊名：South China Journal of Seismology
作者：卢世军 ; 黄汉明
英文作者：LU Shijun1 ; HUANG Hanming2(1.Department of Computer and Information Engineering ; Guangdong Polytechnic College ; GuangZhou 510520 ; China ; 2.College of Computer and Information Engineering ; GuangXi Normal University ; GuiLin 541004 ; China ; )
中文关键词：小波变换 ; 能量比 ; 地震与爆破 ; ν-SVC
英文关键词：Wavelet Transform ; Energy Ratio ; Earthquake ; Explosion ; ν-SVC
出版日期：2010-03-15
机构：广东工程职业技术学院计算机信息系;广西师范大学计算机与信息工程学院;
年：2010
期：01
出版单位：华南地震

摘要

研究了从天然地震和人工爆破事件的波形记录中提取出来的能量比特征在天然地震和人工爆破事件的自动识别中的有效性及适用性。对波形记录进行了4层小波变换,然后对变换得到的小波系数提取能量比特征,最后利用支持向量分类机ν-SVC进行识别效果检验。实验证明,由bior2.2小波包分解后提取出来的能量比特征对天然地震和人工爆破事件的识别效果很好,可用于实际的自动识别系统作为识别判据之一。
We study the validity and applicability of the energy ratio feature exacted from waveform records of natural earthquake and artificial explosion for automatic recognition of natural earthquake and artificial explosion.We apply the 4-level wavelet transform on seismic wave records and exact the energy ratio feature of the wavelet coefficients obtained from the transform,then,use support vector classification ν-SVC to examine the recognition effect.The results show that the energy ratio feature exacted after the bior2.2 wavelet packet decomposition is a very good feature to discriminate earthquake and explosion,which implies its applicability in related application such as our ongoing project of earthquake and explosion automatic recognition system.

引文

[1]曾融生,陈运泰,吴忠良.探测地球内部的“雷达”[J].城市与减灾,2000(06):9-13.
    [2]高成,高志,余啸海.Matlab小波分析与应用—第2版[M].北京:国防工业出版社,2007.
    [3]刘希强,沈萍,张玲,等.用小波变换能量线性度方法识别天然地震与爆破或塌方[J].西北地震学报,2003,25(3):204-209.
    [4]边银菊.遗传BP网络在地震和爆破识别中的应用[J].地震学报,2002,24(05):516-524.
    [5]杨选辉,沈萍,刘希强,等.地震与核爆识别的小波包分量比方法[J].地球物理学报,2005,48(01):148-156.
    [6]和雪松.用小波包识别地震和矿震[D].北京:中国地震局,2005.
    [7]郭丽娟,孙世宇,段修生.支持向量机及核函数研究[J].科学技术与工程,2008,8(02):487-490.
    [8]张宏烈.支持向量机在字符识别中的应用研究[J].微计算机信息,2006(04-2):245-247.
    [9]边肇祺,张学工.模式识别[M].北京:清华大学出版社,2000.
    [10]邓乃扬,田英杰.数据挖掘中的新方法-支持向量机[M].北京:科学出版社,2004.
    [11]Wavelet Toolbox User’s Guide[EB/OL].Mathworks Inc,2004.
    [12]Rachel E L,Willsky A S.A Wavelet Packet Approach to Transient signal Classification[J].Applied andComputational Harmonic Analysis.Jul.1995,2(3):265-278.
    [13]http://www.csndmc.ac.cn/newweb/[DB]
    [14]http://data.earthquake.cn/data/[DB]