2019, Vol. 39
2. 山东省地震局，济南市文化东路20号，250014
随着数字化地震台网的兴起和地震仪器的改进，除天然地震以外，越来越多的爆破与塌陷也被清晰地记录下来，增加了地震的误触发率[1]。天然地震与非天然地震的识别主要是基于数字信号理论，针对地震信号的波形、震相、频谱等特征开展研究，例如振幅比、瞬态谱等方法[2]。大部分研究集中在天然地震、人工爆破与核爆的识别方面，对天然地震、爆破与塌陷的识别的研究较少。本文利用LIBSVM多分类方法对天然地震、爆破与塌陷的波形特征向量进行分类，实现地震类型的识别，取得了较好的效果。
1 支持向量分类机方法支持向量机(SVM)是一种通过对不同类别的已知样本的特点进行学习来预测未知样本类别的机器学习方法[3]，在解决非线性模式识别、小样本模式识别、高维模式识别等问题上展现出极大的优势[4]。
普通的支持向量分类算法C-SVC使用常数C来调节模型复杂程度和训练样本误差大小之间的平衡[5]，该数值由人为设定，结果的优劣依赖于决策者的经验。为改善这个问题，υ-SVC算法应运而生，它引入了一个大于0小于等于1的参数υ来调节算法误差。
本文使用的LIBSVM多分类器采用的是一对一的分类方法，该方法把任意2类样本都训练成一个二分类器，得到N(N-1)/2种二分类器，对未知样本进行分类，从结果中选择出现最多的那个类别作为最终结果。
2 数据特征提取方法本文选用山东地区2006~2017年地震事件的波形数据，为保证一定的信噪比，爆破选用1.2级以上的波形数据，塌陷和天然地震选用2.3级以上的波形数据。每类数据各选取35个，其中15个作为训练样本，20个作为测试样本。
将选取的波形数据预处理为SAC格式，分别采用小波包分解(WPT)和离散小波变换(DWT)对数据进行4层分解，计算香农熵特征，小波基函数采用db7。小波包分解(WPT)是对每层高频和低频部分同时分解，地震信号经4层分解后会产生24=16个香农熵小波系数，将它们依次排序组成的16维向量作为波形特征向量。离散小波变换(DWT)是对每层的低频部分分解，地震信号经过4层分解以后产生5个香农熵小波系数(1个低频系数和4个高频系数)，将它们依次排序组成的5维向量作为波形特征向量[6-7]。地震信号分解得到的波形特征向量数值巨大，为便于计算，全部进行归一化。
3 分类效果检验本文采用MATLAB工具包中自带的4种核函数——线性核函数、多项式核函数、RBF核函数和Sigmoid核函数进行计算。
3.1 υ-SVC算法分类效果检验如表 1所示，对DWT分解的波形香农熵特征使用υ-SVC算法进行分类时，采用线性核函数和多项式核函数都能达到较高的识别率，其中塌陷和人工爆破均能被完全识别，天然地震中有少部分被误识别为人工爆破; 采用RBF核函数时，天然地震能被完全识别，全部塌陷和大部分人工爆破被误识别为天然地震; 采用Sigmoid核函数时，所有事件均被识别为天然地震。
|
表 1 使用υ-SVC算法的识别结果统计 Tab. 1 Recognition results using υ-SVC algorithm |
对WPT分解的波形香农熵特征使用υ-SVC算法进行分类时，采用线性核函数能达到较高的识别率，其中塌陷能被完全识别，天然地震和人工爆破中有少部分被误识别; 采用其他3类核函数时，所有事件均被识别为天然地震。
3.2 C-SVC算法分类效果检验如表 2所示，对DWT分解的波形香农熵特征使用C-SVC算法进行分类时，采用线性核函数和多项式核函数都能达到比较高的识别率，其中塌陷能被完全识别，天然地震和人工爆破中有一部分被误识别; 采用RBF核函数时，天然地震能被完全识别，全部塌陷和大部分人工爆破被误识别为天然地震; 采用Sigmoid核函数时，所有事件均被识别为天然地震。
|
图 1 天然地震DWT4层分解示意图 Fig. 1 Schematic diagram of DWT four layers decomposition of natural seismic waveform |
|
|
表 2 使用C-SVC算法的识别结果统计 Tab. 2 Recognition results using C-SVC algorithm |
对WPT分解的波形香农熵特征使用C-SVC算法进行分类时，采用线性核函数能达到较高的识别率，其中塌陷能被完全识别，天然地震和人工爆破中有少部分被误识别; 采用其他3类核函数时，所有事件均被识别为天然地震。
4 结语在本文研究中，小波分解方法、支持向量分类算法的类型及核函数的类型均对分类结果产生一定的影响。采用DWT分解方法时，利用线性核函数和多项式核函数能进行合理的分类识别，且υ-SVC分类算法的识别率高于C-SVC算法; 采用WPT分解方法时，只有在线性核函数条件下才能进行正确的分类，同样υ-SVC分类算法的识别率高于C-SVC算法。据此可以得出识别率较高(高于90%)的4组处理方式：1)DWT分解+υ-SVC算法+线性核函数; 2)DWT分解+υ-SVC算法+多项式核函数; 3)WPT分解+υ-SVC算法+多项式核函数; 4)WPT分解+C-SVC算法+线性核函数。因此，在选择合适参数与算法的前提下，使用支持向量分类机对波形特征进行分类的方法有较好的分类识别能力，可以对3类地震事件进行较好的识别。
| [1] |
刘希强, 沈萍, 张玲, 等. 用小波变换能量线性度方法识别天然地震与爆破或塌方[J]. 西北地震学报, 2003, 25(3): 204-209 (Liu Xiqiang, Shen Ping, Zhang Ling, et al. Using Method of Energy Linearity in Wavelet Transform to Distinguish Explosion or Collapse from Nature Earthquake[J]. Northwestern Seismological Journal, 2003, 25(3): 204-209)
(  0) |
| [2] |
和雪松, 李世愚, 沈萍, 等. 用小波包识别地震和矿震[J]. 中国地震, 2006, 22(4): 425-434 (He Xuesong, Li Shiyu, Shen Ping, et al. A Wavelet Packet Approach to Wave Classification of Earthquakes and Mining Shocks[J]. Earthquake Research in China, 2006, 22(4): 425-434 DOI:10.3969/j.issn.1001-4683.2006.04.010)
( 0) |
| [3] |
边肇祺, 张学工. 模式识别[M]. 北京: 清华大学出版社, 2000 (Bian Zhaoqi, Zhang Xuegong. Pattern Recognition[M]. Beijing: Tsinghua University Press, 2000)
( 0) |
| [4] |
黄汉明, 边银菊, 卢世军, 等. υ-SVC算法在地震与爆破识别及窗长度选取中的应用[J]. 地震地磁观测与研究, 2010, 31(3): 24-31 (Huang Hanming, Bian Yinju, Lu Shijun, et al. υ-SVC Algorithm Applied in Earthquake and Explosion Recognition and the Choice of Window Length[J]. Seismological and Geomagnetic Observation and Research, 2010, 31(3): 24-31 DOI:10.3969/j.issn.1003-3246.2010.03.005)
( 0) |
| [5] |
郝红艳.基于支持向量机的可靠性优化设计方法研究[D].武汉: 华中科技大学, 2013 (Hao Hongyan.Research on RBDO Methods Based on SVM[D].Wuhan: Huazhong University of Science and Technology, 2013) http://cdmd.cnki.com.cn/Article/CDMD-10487-1014025686.htm
( 0) |
| [6] |
卢世军.天然地震与人工爆破波形特征提取与识别算法研究[D].桂林: 广西师范大学, 2009 (Lu Shijun. Research of Seismic Wave Features Extraction and Recognition Algorithm of Earthquake and Explosion[D]. Guilin: Guangxi Normal University, 2009) http://cdmd.cnki.com.cn/Article/CDMD-10602-2010035304.htm
( 0) |
| [7] |
黄汉明, 边银菊, 卢世军, 等. 天然地震与人工爆破的波形小波特征研究[J]. 地震学报, 2010, 32(3): 270-276 (Huang Hanming, Bian Yinju, Lu Shijun, et al. A Wavelet Feature Research on Seismic Waveforms of Earthquakes and Explosions[J]. Acta Seismologica Sinica, 2010, 32(3): 270-276 DOI:10.3969/j.issn.0253-3782.2010.03.002)
( 0) |
2. Shandong Earthquake Agency, 20 East-Wenhua Road, Ji'nan 250014, China