【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，涉及一种基于地震主动源的多源监测数据分析方法及系统。
技术介绍
1、地震作为自然灾害中的一种，其预测和监测对于减少人员伤亡、降低财产损失具有至关重要的意义。传统的地震监测方法主要依赖于地震仪等硬件设备对地震波进行直接记录和分析，然而，这些方法往往受限于设备精度、布设密度以及数据处理能力，难以实现对地震活动的全面、准确监测。
2、随着科技的进步，特别是大数据和人工智能技术的快速发展，地震监测数据分析方法得到了显著的提升。其中，基于地震主动源的多源监测技术成为了一种重要的地震监测手段。该技术通过主动激发地震波，并利用多个监测站点同时记录地震波的传播情况，从而获取更为丰富、全面的地震信息。
3、然而，多源监测数据的高效、准确分析仍然是一个亟待解决的问题。传统的数据分析方法往往难以有效处理大规模、多维度的地震波数据，导致关键信息的遗漏或误判。此外，地震波数据的复杂性和非线性特征也给数据分析带来了极大的挑战。
技术实现思路
1、鉴于上述提及的问题，结合本专利技术的第一方面，本专利技术实施例提供一种基于地震主动源的多源监测数据分析方法，所述方法包括：
2、获取地震主动源的多源监测数据的候选地震波序列的多个时段波形数据，针对每个时段波形数据，将所述时段波形数据加载至预先训练的地震波强化分析网络，所述地震波强化分析网络包括多个模型功能层，每个模型功能层级联，每个所述模型功能层包括多阶段知识迁移单元，所述多阶段知识迁移单元包括两个
3、在目标模型功能层的多阶段知识迁移单元中，对所述目标模型功能层的加载数据进行多阶段知识迁移学习，将每个阶段的知识迁移学习生成的知识迁移学习矢量中的关键节点知识矢量数据进行节点融合，生成目标模型功能层对应的多阶段知识迁移学习矢量，所述多阶段知识迁移学习矢量用于生成所述目标模型功能层对应的强化学习知识矢量数据；其中，第一个阶段知识迁移学习用于学习所述目标模型功能层的加载数据，余下每个阶段的知识迁移学习用于学习对前一个阶段知识迁移学习生成的知识迁移学习矢量进行节点拆分生成的除所述关键节点知识矢量数据之外的余下节点知识矢量数据；其中，在目标模型功能层是所述多个模型功能层中的第一个模型功能层时，所述目标模型功能层的加载数据是所述时段波形数据的基础知识矢量数据；在目标模型功能层是所述多个模型功能层中的第一个模型功能层之后的模型功能层时，所述目标模型功能层的加载数据是所述目标模型功能层的前一个模型功能层对应的强化学习知识矢量数据；
4、基于最后一个模型功能层对应的强化学习知识矢量数据，生成所述时段波形数据对应的强化波形数据，基于每个所述时段波形数据对应的强化波形数据，生成所述候选地震波序列对应的强化学习地震波序列。
5、再一方面，本专利技术实施例还提供一种基于地震主动源的多源监测数据分析系统，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现上述的方法。
6、基于以上方面，本申请实施例通过引入预先训练的地震波强化分析网络，该地震波强化分析网络由多个级联的模型功能层构成，每层均嵌入了多阶段知识迁移单元，实现了对地震波数据的深度学习和高效分析。多阶段知识迁移学习机制不仅能够有效提取时段波形数据中的关键特征，还通过逐层的知识迁移和节点融合，逐步增强了对地震波序列的理解与识别能力。此方法不仅提高了地震波数据分析的准确性和鲁棒性，还显著增强了地震监测的灵敏度和预测精度。通过生成强化波形数据及强化学习地震波序列，为地震预警、地震学研究以及地震灾害评估提供了更为可靠和数据支持。
本文档来自技高网...【技术保护点】
1.一种基于地震主动源的多源监测数据分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述地震波强化分析网络还包括规则化转换单元和节点扩展单元，所述时段波形数据的基础知识矢量数据的确定步骤，包括：
3.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，在所述目标模型功能层是所述多个模型功能层中的第一个模型功能层之后的模型功能层时，所述对所述目标模型功能层的加载数据进行多阶段知识迁移学习，将每个阶段的知识迁移学习生成的知识迁移学习矢量中的关键节点知识矢量数据进行节点融合，生成目标模型功能层对应的多阶段知识迁移学习矢量，包括：
4.根据权利要求3所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，每个模型功能层还包括基于特征自聚焦策略的节点非线性转换单元，所述方法还包括：
6.根据权利要求5所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述
7.根据权利要求5所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述基于所述目标模型功能层对应的多阶段知识迁移学习矢量、所述节点非线性转换的多阶段知识迁移学习矢量和所述目标模型功能层的前一个模型功能层对应的强化学习知识矢量数据，生成所述目标模型功能层对应的强化学习知识矢量数据，包括：
8.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述基于最后一个模型功能层对应的强化学习知识矢量数据，生成所述时段波形数据对应的强化波形数据，包括：
9.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述方法包括：
10.一种基于地震主动源的多源监测数据分析系统，其特征在于，所述基于地震主动源的多源监测数据分析系统包括处理器和存储器，所述存储器和所述处理器连接，所述存储器用于存储程序、指令或代码，所述处理器用于执行所述存储器中的程序、指令或代码，以实现上述权利要求1-9任意一项所述的基于地震主动源的多源监测数据分析方法。
...【技术特征摘要】
1.一种基于地震主动源的多源监测数据分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述地震波强化分析网络还包括规则化转换单元和节点扩展单元，所述时段波形数据的基础知识矢量数据的确定步骤，包括：
3.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，在所述目标模型功能层是所述多个模型功能层中的第一个模型功能层之后的模型功能层时，所述对所述目标模型功能层的加载数据进行多阶段知识迁移学习，将每个阶段的知识迁移学习生成的知识迁移学习矢量中的关键节点知识矢量数据进行节点融合，生成目标模型功能层对应的多阶段知识迁移学习矢量，包括：
4.根据权利要求3所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的基于地震主动源的多源监测数据分析方法，其特征在于，每个模型功能层还包括基于特征自聚焦策略的节点非线性转换单元，所述方法还包括：
6.根据权利要求5所述的基于地震主动源的多源监测数据分析方法，其特征在于，所述目标模型功能层对应的多阶段知识迁移学习矢量包括各个特征节点的节点知识迁...
【专利技术属性】
技术研发人员：张成军，唐丽，王志栋，高岗，雷正超，吴敏，周栋，寇俊阳，毛磊，李兴坚，胡源，邹小波，杜英，席立峰，高振生，王亚红，孙点峰，苗在鹏，
申请(专利权)人：甘肃省地震局中国地震局兰州地震研究所，
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。