一种应用于实验室地震波预测的方法及其装置制造方法及图纸

本发明专利技术公开了一种应用于实验室地震波预测的方法及其装置，方法包括以下步骤：提取实验室产生的连续地震波时间序列信号并对其进行过采样得到连续地震波时间序列信号样本；对连续地震波时间序列信号样本进行预处理得到第一处理信号；提取第一处理信号中地震波的有效特征、地震波的统计学特征和地震波的基础特征；将地震波的有效特征、地震波的统计学特征和地震波的基础特征进行提升计算后融合已搭建好的CNN卷积神经网络模型进行预测；输出预测的实验室下一个地震前的剩余时间；帮助实验室数据走向实际现场，解决了实验室地震波信号实际数据难以获取样本的问题。

【技术实现步骤摘要】
一种应用于实验室地震波预测的方法及其装置
本专利技术涉及地震波预测
，具体涉及一种应用于实验室地震波预测的方法及其装置。
技术介绍
现有技术的地震波预测方法大致可以划分为两类：(1)传统机器学习方法：在时间域上针对地震波信号，使用统计学，信号处理和机器学习算法提取特征，再输入最终机器学习算法进行预测；(2)深度学习方法：在时间域上针对地震波信号，选用卷积神经网络或者循环神经网络进行预测。传统机器学习方法原理：对地震波原始数据进行人为提取特征信息，根据特征信息构建预测模型进行预测。深度学习方法原理：构建深度学习网络，利用梯度优化自动提取数据特征，进行预测。这两种方法有如下缺陷：传统机器学习算法需要人为构建特征，需要对原始数据需要有非常深入的了解，花费较长时间，才能达到优秀的预测效果。深度学习算法通过网络自动提取地震波的特征并进行预测就能有较好的效果，但地震波的特征处于黑盒，不利于对数据本源做进一步的分析。
技术实现思路
本专利技术针对现有技术存在的不足，提供本文档来自技高网...

【技术保护点】
1.一种应用于实验室地震波的预测方法，其特征在于，包括以下步骤：/nS1.提取实验室产生的连续地震波时间序列信号并对其进行过采样得到连续地震波时间序列信号样本；/nS2.对连续地震波时间序列信号样本进行预处理得到第一处理信号；/nS3.提取第一处理信号中地震波的有效特征、地震波的统计学特征和地震波的基础特征；/nS4.将地震波的有效特征、地震波的统计学特征和地震波的基础特征进行提升计算得到第一计算信号，将第一计算信号融合已搭建好的CNN卷积神经网络模型进行预测；/nS5.输出S4中预测出的实验室下一个地震前的剩余时间。/n

【技术特征摘要】
1.一种应用于实验室地震波的预测方法，其特征在于，包括以下步骤：
S1.提取实验室产生的连续地震波时间序列信号并对其进行过采样得到连续地震波时间序列信号样本；
S2.对连续地震波时间序列信号样本进行预处理得到第一处理信号；
S3.提取第一处理信号中地震波的有效特征、地震波的统计学特征和地震波的基础特征；
S4.将地震波的有效特征、地震波的统计学特征和地震波的基础特征进行提升计算得到第一计算信号，将第一计算信号融合已搭建好的CNN卷积神经网络模型进行预测；
S5.输出S4中预测出的实验室下一个地震前的剩余时间。


2.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，对连续地震波时间序列信号进行的预处理过程为：将连续地震波时间序列信号进行时域到频域的转换，并使连续地震波时间序列信号经过不同频带的滤波器进行信号滤波得到第一处理信号。


3.根据权利要求2所述的一种应用于实验室地震波预测的方法，其特征在于，若连续地震波时间序列信号波形稳定，则采用傅里叶变换方法对连续地震波时间序列信号进行时域到频域的转换；若连续地震波时间序列信号波形不稳定，则采用小波变换方法对连续地震波时间序列信号进行时域到频域的转换。


4.根据权利要求1所述的一种应用于实验室地震波预测的方法，其特征在于，采用STA-LTA长短视窗信号算法提取第一处理信号中地震波的有效特征。

【专利技术属性】
技术研发人员：蔡润轩，方志军，
申请(专利权)人：北京铁科时代科技有限公司，
类型：发明
国别省市：北京;11