首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于深度学习的地震事件类型识别判定方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:山东省地震局

摘要:本发明涉及地震识别技术领域,本发明公开了基于深度学习的地震事件类型识别判定方法;包括采集实时的事件特征数据,输入到训练完成的机器学习模型内预测出实时的事件类型值,采集天然地震事件的负面影响参数,生成天然地震影响度,将天然地震影响度与预设的天然地震影响阈值比较,划分地震影响级别,并生成地震影响预警提示;相对于现有技术,能够准确的采集到事件特征数据,能够准确的预测出地震事件类型,并在识别到天然地震事件时,对天然地震事件的危害严重程度进行适应性的计算和评估,结合评估结果,给出天然地震事件的危害预警提示,为地震台站的管理人员快速、准确且及时的发出地震预警信息提供了良好的基础。

主权项:1.基于深度学习的地震事件类型识别判定方法,其特征在于,包括:S1:采集地震事件的历史训练数据,历史训练数据包括事件特征数据和事件类型值;事件特征数据包括纵横波比差值、频率振动值、余震密集度和初动压缩差值;纵横波比差值的获取方法包括:以震源中心为起点,以大于一个预设安全距离的长度为标准筛选出个地震台站,并标记为目标地震台站;获取个目标地震台站在一个预设采集周期内监测到的纵波和横波的出现次数,分别获得个纵波量值和个横波量值;将个纵波量值分别与预设采集周期对应的时长比较,获得个子纵波值;子纵波值的表达式为: ;式中,为第个子纵波值,为第个纵波量值,为预设采集周期对应的时长;将个横波量值分别与预设采集周期对应的时长比较,获得个子横波值;子横波值的表达式为: ;式中,为第个子横波值,为第个横波量值;分别去掉子纵波值和子横波值的最大值和最小值,将余下的个子纵波值累加后,与个子横波值的累加值比较,获得纵横波比率;纵横波比率的表达式为: ;式中,为纵横波比率,为第个子纵波值,为第个子横波值;将纵横波比率与标准比率作差后,获得纵横波比差值;纵横波比差值的表达式为: ;式中,为纵横波比差值,为标准比率;频率振动值的获取方法包括:测量目标地震台站与震源中心的间距,将间距最小值对应的目标地震台站记为待测地震台站,通过地震仪监测待测地震台站的地震波振荡频率;将地震波振荡频率首次出现达到预设下限频率的时刻记为起始时刻,将地震波振荡频率首次出现达到预设上限频率的时刻记为结束时刻;将结束时刻与起始时刻作差后,获得振荡时段;振荡时段的表达式为: ;式中,为振荡时长,为结束时刻,为起始时刻;以十分之一振荡时段对应的时长为标准,在振荡时段内随机标记个互不相邻的子区段,并分别统计个子区段内的振荡总次数;将个子区段内的振荡总次数分别与子区段对应的时长比较,获得个子频率;子频率的表达式为: ;式中,为第个子频率,为第个子区段内的振荡总次数;将个子频率累加后求平均,获得频率振动值;频率振动值的表达式为: ;式中,为频率振动值,为第个子频率;余震密集度的获取方法包括:以地震仪首次监测到地震波的时刻为第一时刻,以最后一次监测到地震波的时刻为第二时刻,测量第一时刻值至第二时刻内所有的地震波振动幅度;将地震波振动幅度最大值对应的时刻记为目标时刻,将目标时刻至第二时刻标记为有效时段;将有效时段等分为个子时段,分别统计个子时段内监测到的地震波的数量,获得个余震值;将个余震值与子时段对应的时长比较,获得个子密集度;子密集度的表达式为: ;式中,为第个子密集度,为第个余震值,为子时段对应的时长;基于个子密集度,生成余震密集度;余震密集度的表达式为: ;式中,为余震密集度,为第个子密集度;初动压缩差值的获取方法包括:以震源中心为圆心,以三个预设安全距离的长度为半径画圆,获得监测圆,在监测圆内过圆心画线,将监测圆等分为个区域;通过地震仪监测个区域内所有的目标地震台站内地震波的最初振动方向;将最初振动方向为向外压缩的地震波记为压缩波,将最初振动方向为向内膨胀的地震波记为膨胀波,并统计个区域的压缩波的总量和个区域的膨胀波的总量;将个区域的压缩波的总量和个区域的膨胀波的总量逐一作差比较后,获得个子压缩差值;子压缩差值的表达式为: ;式中,为第个子压缩差值,为第个区域的压缩波的总量,为第个区域的膨胀波的总量;将子压缩差值的最小值与预设的标准压缩差值作差,获得初动压缩差值;初动压缩差值的表达式为: ;式中,为初动压缩差值,为子压缩差值的最小值,为标准压缩差值;S2:基于历史训练数据,训练预测出事件类型值的机器学习模型;S3:采集实时的事件特征数据,输入到训练完成的机器学习模型内预测出实时的事件类型值,事件类型值包括天然地震事件和非天然地震事件;S4:采集天然地震事件的负面影响参数,基于负面影响参数,生成天然地震影响度;S5:将天然地震影响度与预设的天然地震影响阈值比较,划分地震影响级别,并生成地震影响预警提示。

全文数据:

权利要求:

百度查询: 山东省地震局 基于深度学习的地震事件类型识别判定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。