【技术实现步骤摘要】
本专利技术涉及地震事件监测，具体涉及一种基于多特征融合的地震信号分类与识别方法。
技术介绍
1、地震是地壳快速释放能量过程中造成的振动，期间会产生地震波的一种自然现象。地球上板块与板块之间相互挤压碰撞，造成板块边沿及板块内部产生错动和破裂，是引起地震的主要原因。地震开始发生的地点称为震源，震源正上方的地面称为震中。破坏性地震的地面振动最烈处称为极震区，极震区往往也就是震中所在的地区。
2、在公开号为cn116660992b的中国专利中公开了一种基于多特征融合的地震信号处理方法，通过将带有权重的向量token输入至多头注意力机制网络，最终通过模块中的分类token获得所述地震信号的分类结果，但是在现有技术中并未说明针对不同类型的地震信号的特征如何设置权重，导致在实际处理的过程中无法确定不同特征的权重，使得最终输出的分类结果的可靠性不足。
技术实现思路
1、本专利技术目的是针对
技术介绍
中存在的问题，提出一种基于多特征融合的地震信号分类与识别方法。
2、本专利技术的技术方案：
3、提供一种基于多特征融合的地震信号分类与识别方法，包括：
4、获取多个地震数据，对每一个地震数据进行预处理，得到预处理后的地震数据；
5、基于预处理后的地震数据提取时域特征和频域特征，分别设置时域特征的阶梯权重和频域特征的阶梯权重，结合阶梯权重对时域特征和频域特征进行融合，获得融合特征；
6、创建地震信号分类模型；
7、将融合特征
8、采集实时地震数据，并将实时地震数据输入至训练后的地震信号分类模型，以获取该实时地震数据的地震类型。
9、优选的，获取多个地震数据，对每一个地震数据进行预处理，得到预处理后的地震数据，包括：
10、创建地震数据表；
11、获取多个地震数据并将所有的地震数据放入地震数据表；
12、选取一个地震数据，对该地震数据进行滤波处理，得到滤波后的地震数据；
13、对滤波后的地震数据进行去噪处理，得到预处理后的地震数据，将预处理后的地震数据放入地震数据表；
14、返回选取一个地震数据，直至所有的地震数据均被选取完成，得到多个预处理后的地震数据。
15、优选的，基于预处理后的地震数据提取时域特征和频域特征，分别设置时域特征的阶梯权重和频域特征的阶梯权重，结合阶梯权重对时域特征和频域特征进行融合，获得融合特征，包括：
16、从地震数据表中选取一个预处理后的地震数据；
17、分别提取该预处理后的地震数据的时域特征和频域特征；
18、对于每一个时域特征和每一个频域特征分别设置对应的阶梯权重；
19、结合时域特征的阶梯权重和频域特的阶梯权重征进行特征融合，得到融合特征，并将融合特征放入地震数据表；
20、返回从地震数据表中选取一个预处理后的地震数据，直至地震数据表中的所有的预处理后的地震数据均被选取完成，得到每一个预处理后的地震数据对应的融合特征。
21、优选的，分别提取该预处理后的地震数据的时域特征和频域特征，包括：
22、获取该预处理后的地震数据的持续时长以及在持续时长内的每一个峰值；
23、通过公式1提取该预处理后的地震数据在持续时长内的均值；
24、
25、其中,μ是该预处理后的地震数据在持续时长内的均值，n是该预处理后的地震数据在持续时长内的信号总数，xi是该预处理后的地震数据在持续时长内的第i个信号值；
26、对该预处理后的地震数据进行傅里叶变换，从而将预处理后的地震数据转换为频域信号；
27、通过公式2提取频域信号的频率重心；
28、
29、其中，f是频域信号的频率重心，t(k)是频域信号的频谱，fk是第k条谱线的频率值，k是谱线的总数量，且k∈[1,k]。
30、优选的，结合时域特征的阶梯权重和频域特的阶梯权重征进行特征融合，得到融合特征，并将融合特征放入地震数据表，包括：
31、结合阶梯权重通过公式3计算融合特征；
32、
33、其中，pmix是融合特征，μm是第m个时域特征，fm是第m个频域特征，z1m是第m个时域特征对应的阶梯权重，z2m是第m个频域特征对应的阶梯权重，m是融合特征选用的频域特征和时域特征的总数量。
34、优选的，在结合时域特征的阶梯权重和频域特的阶梯权重征进行特征融合，得到融合特征，并将融合特征放入地震数据表之前，包括：
35、获取多个历史地震数据；
36、提取每一个历史地震数据的时域特征和频域特征，并对每一个历史地震数据分别构建历史地震数据-该历史地震数据的时域特征-该历史地震数据的频域特征的耦合关系；将一个历史地震数据-该历史地震数据的时域特征-该历史地震数据的频域特征的耦合关系作为一个数据样本；
37、创建阶梯权重模型；
38、将多个历史地震数据对应的数据样本按照随机比例划分为训练集和测试集；
39、将训练集中的数据样本输入阶梯权重模型以训练阶梯权重模型，得到训练后的阶梯权重模型；训练后的阶梯权重模型具有根据输入的地震数据自动输出该地震数据的不同时域特征对应的阶梯权重以及该地震数据的不同频域特征对应的阶梯权重的能力；
40、将测试集输入训练后的阶梯权重模型，以验证训练后的阶梯权重模型是否合格。
41、优选的，将训练集中的数据样本输入阶梯权重模型以训练阶梯权重模型，得到训练后的阶梯权重模型，包括：
42、设置多个地震分级及每一个地震分级对应的范围阈值；
43、按照地震分级对应的范围阈值将所有的训练样本划分为多组训练样本；
44、对于每一组训练样本，按照地震震级将该组所有的训练样本从大到小依次进行排序，选取出每一组训练样本中位于前n个的训练样本；将每一组前n个的训练样本记为一组去噪样本，得到多组去噪样本；
45、选取一组去噪样本并获取该组每一个去噪样本的所有时域特征和所有频域特征；
46、计算每一个时域特征的出现频率和每一个频域特征的出现频率；
47、获取位于前x个的时域特征以及位于前y个的频域特征；将被选中的特征记为重要特征；
48、设置阶梯权重及每一个阶梯权重的赋值范围；
49、基于每一个阶梯权重的赋值范围为每一个重要特征赋予对应的阶梯权重；
50、返回选取一组去噪样本，直至每一组去噪样本均被选取完成，得到每一组去噪样本的所有重要特征对应的阶梯权重。
51、优选的，将融合特征输入地震信号分类模型以训练地震信号分类模型，得到训练后的地震信号分类模型，本文档来自技高网...
【技术保护点】
1.一种基于多特征融合的地震信号分类与识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，获取多个地震数据，对每一个地震数据进行预处理，得到预处理后的地震数据，包括：
3.根据权利要求2所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，基于预处理后的地震数据提取时域特征和频域特征，分别设置时域特征的阶梯权重和频域特征的阶梯权重，结合阶梯权重对时域特征和频域特征进行融合，获得融合特征，包括：
4.根据权利要求3所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，分别提取该预处理后的地震数据的时域特征和频域特征，包括：
5.根据权利要求4所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，结合时域特征的阶梯权重和频域特的阶梯权重征进行特征融合，得到融合特征，并将融合特征放入地震数据表，包括：
6.根据权利要求5所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，在结合时域特征的阶梯权重和频域特的阶梯权重征进行特征融合，得到融合
7.根据权利要求6所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，将训练集中的数据样本输入阶梯权重模型以训练阶梯权重模型，得到训练后的阶梯权重模型，包括：
8.根据权利要求7所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，将融合特征输入地震信号分类模型以训练地震信号分类模型，得到训练后的地震信号分类模型，包括：
9.根据权利要求8所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，采集实时地震数据，并将实时地震数据输入至训练后的地震信号分类模型，以获取该实时地震数据的地震类型，包括：
10.根据权利要求9所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，所述基于多特征融合的地震信号分类与识别方法还包括：
...【技术特征摘要】
1.一种基于多特征融合的地震信号分类与识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，获取多个地震数据，对每一个地震数据进行预处理，得到预处理后的地震数据，包括：
3.根据权利要求2所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，基于预处理后的地震数据提取时域特征和频域特征，分别设置时域特征的阶梯权重和频域特征的阶梯权重，结合阶梯权重对时域特征和频域特征进行融合，获得融合特征，包括：
4.根据权利要求3所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，分别提取该预处理后的地震数据的时域特征和频域特征，包括：
5.根据权利要求4所述的一种基于多特征融合的地震信号分类与识别方法，其特征在于，结合时域特征的阶梯权重和频域特的阶梯权重征进行特征融合，得到融合特征，并将融合特征放入地震数据表，包括：
6.根据权利要求5所述的一...
【专利技术属性】
技术研发人员：张耀阳，白大为，乔汉青，彭炎，张小博，
申请(专利权)人：中国地质科学院地球物理地球化学勘查研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。