摘要
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状分析
1.2.1 天然地震和人工爆炸信号分类识别研究进展
1.2.2 P波和S波初至时刻自动检测算法研究进展
1.3 本文研究内容及章节划分
第2章 震源波形信号的选取与数据预处理
2.1 震源波形信号来源
2.2 震源数据波形特征的选取
2.3 震源波形信号的去噪处理
2.3.1 小波分解重构去噪
2.3.2 小波阈值去噪
2.3.3 小波去噪方法的选取
2.4 数据预处理
2.4.1 数据归一化处理
2.4.2 数据主成分分析
第3章 基于BP-Adaboost方法的震源类型识别研究
3.1 BP神经网络
3.2 支持向量机(SVM)
3.3 集成学习方法
3.3.1 集成学习
3.3.2 BP-Adaboost方法
3.4 分类性能比较
3.4.1 不同数据集样本划分实验结果
3.4.2 特定数据集样本划分实验结果
3.5 其他数据集分类结果验证
第4章 EMD-TKEO算法:一种新的P波和S波初至时刻自动检测算法
4.1 STA/LTA方法
4.2 EMD-TKEO方法
4.2.1 经验模态分解(EMD)
4.2.2 Teager-Kaiser能量算子(TKEO)
4.2.3 EMD-TKEO算法
4.3 实验结果分析
4.3.1 单一主震型地震信号结果分析
4.3.2 主震余震型地震信号结果分析
4.3.3 前震主震型地震信号结果分析
4.3.4 EMD-TKEO与STA-LTA方法及AR-AIC方法对比
4.4 地震信号有效波形提取
第5章 地震信号波群识别
5.1 地震波群样本采集
5.2 地震波群样本特征提取
5.2.1 平均谱能量值特征提取
5.2.2 均方差特征提取
5.2.3 波群特征
5.3 波群分类识别研究
5.3.1 波群样本数据归一化处理
5.3.2 多分类SVM识别波群样本
5.3.3 总结与讨论
第6章 总结与展望
6.1 总结
6.2 展望
致谢
攻读硕士研究生期间取得学术成果
参考文献
声明
广西师范大学;