期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
1
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多层全连接神经网络的6C地震波极化向量识别研究
1
作者
廖成旺
庞聪
+1 位作者
江勇
吴涛
《大地测量与地球动力学》
CSCD
北大核心
2024年第4期331-335,435,共6页
利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个...
利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。
展开更多
关键词
极化向量识别
六分量地震波
多层全连接神经网络
支持向量机
下载PDF
职称材料
题名
基于多层全连接神经网络的6C地震波极化向量识别研究
1
作者
廖成旺
庞聪
江勇
吴涛
机构
中国地震局地震研究所
武汉引力与固体潮国家野外科学观测研究站
湖北省地震局
出处
《大地测量与地球动力学》
CSCD
北大核心
2024年第4期331-335,435,共6页
基金
中国地震局地震研究所和应急管理部国家自然灾害防治研究院基本科研业务费(IS201916293,IS202236328)
武汉引力与固体潮国家野外科学观测研究站开放基金(WHYWZ202208)
中国地震局“三结合”课题(3JH-202201024)。
文摘
利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。
关键词
极化向量识别
六分量地震波
多层全连接神经网络
支持向量机
Keywords
polarization vector identification
six-component seismic waves
multi-layer fully connected neural network
support vector machine
分类号
P315 [天文地球—地震学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多层全连接神经网络的6C地震波极化向量识别研究
廖成旺
庞聪
江勇
吴涛
《大地测量与地球动力学》
CSCD
北大核心
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部