期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于机器学习方法的甘肃华亭地震分类研究 被引量：1
1
作者 王维欢 尹欣欣 +4 位作者 杨秀隆 张胜霞 路晓辰 王祖东 鞠慧超 《地球物理学进展》 CSCD 北大核心 2022年第6期2308-2317,共10页
甘肃华亭地区历史上地震活动频繁,由于华亭地区拥有大型煤矿,因此该地区的地震活动除了常规的天然地震还有采矿引发的非天然地震.本文为了将两类地震事件进行准确区分,采用无监督、有监督到半监督分类方法,分析应用于甘肃华亭地震事件... 甘肃华亭地区历史上地震活动频繁,由于华亭地区拥有大型煤矿,因此该地区的地震活动除了常规的天然地震还有采矿引发的非天然地震.本文为了将两类地震事件进行准确区分,采用无监督、有监督到半监督分类方法,分析应用于甘肃华亭地震事件分类中.本文一共选取(34.8~35.7°N,106.1~107.1°E)范围内305个地震事件的波形数据,使用速度地震图的复杂度(C)和S/P波振幅比两个时变参数作为分类器,经过我们的训练分析,GMM、K均值、线性判别函数(LDA)、二次判别函数(QDA)、标签传播模型(Label Spreading)和自训练模型(Self Training)的最高总精度分别为87.87%、86.23%、92.16%、94.12%、96.73%、96.73%.根据分类结果分别讨论了无监督和有监督模型对天然地震和矿震的分类性能,六种方法对地震事件的分类都有不错的效果,其中半监督(Self Training)方法比其他方法有更好的改进.通过本研究我们发现,对于没有标签信息可用的无监督聚类算法,尤其是GMM方法具有与判别分析的监督方法接近的判别能力,而仅需要标注少量事件的半监督学习在本文的数据中体现了极佳的效果,甚至超过了拥有全部标签的有监督学习,这说明无监督和半监督方法可以在复杂地震大数据中做初步的分类工作,能节省地震类型标签制作的巨额工作量. 展开更多
关键词 K均值聚类 高斯混合模型 华亭地震 线性判别函数 二次判别函数 自训练模型
原文传递
甘肃华亭地震和平凉地震的特征分析 被引量：1
2
作者 董宗明 《甘肃科技》 2017年第13期50-51,共2页
本项研究以2009-2012甘肃地震台网的观测数据为依据,研究了华亭地震和平凉地震的空间分布特征,初步估计了发震断层,并通过地震波形特征和频谱分析,展示了两个区域地震记录特征。研究结果对于这一地区区域地质构造、地震活动及发震机理... 本项研究以2009-2012甘肃地震台网的观测数据为依据,研究了华亭地震和平凉地震的空间分布特征,初步估计了发震断层,并通过地震波形特征和频谱分析,展示了两个区域地震记录特征。研究结果对于这一地区区域地质构造、地震活动及发震机理研究具有参考意义。 展开更多
关键词 华亭地震 平凉地震 空间分布 波形特征
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部