地震波形特征抽取算法研究与实现
|
摘要
地震波形特征包括天然地震和人工地震(即人工爆破)波形数据的特征,抽取地震波形特征主要是根据信号处理方法和地震波形数据的自身特点从时域、频域等抽取能够用于识别天然地震和人工爆破波形的有用特征,其关键问题是信号的特征选择与提取。
1998年华裔美国工程院院士N.E Huang等人提出了希尔伯特-黄变换方法,它是一种新的信号处理和分析的方法,不同于以往信号分析方法的全局分析特点,在研究信号的局部特征方面具有独特的优越性,是一种比傅里叶变换及小波变换等更具适应性的时频局部化分析方法。这种方法能够更真实的反应出信号能量在时间和频率各尺度上的分布规律,将希尔伯特-黄变换方法应用于地震资料处理中,能够有效解决使用其他方法时存在的各种困扰问题,使地震资料处理在信号分解、时频分析、瞬时参数求解等各方面得到不同程度的突破。
鉴于此,本文实验选用希尔伯特-黄变换方法实现了对地震波形特征的抽取,首先分析了天然地震和人工爆破波形信号在时域和频域上的特点,进行一些必要的预处理,然后对天然地震和人工爆破波形信号进行经验模态分解,提取了最大幅值对应的周期(TAmax)、倒谱平均值(Cave)、自相关函数的最大值(M xc)三个特征,最后按照严格的样本划分方法,利用支持向量机方法对天然地震和人工爆破的波形信号进行识别。在实验中,基于C方法时,识别率较为乐观,对经验模态分解后的前三个内模函数提取的这三个特征的识别率达到99.8%。基于U方法时,采用严格的样本划分方法,经反复多次实验,对经验模态分解后的前三个内模函数提取的这三个特征的平均识别率稳定在97%以上。实验结果表明,基于希尔伯特-黄变换方法提取出的波形特征参数具有较好的识别率,基于该方法提取出的最大幅值对应的周期(TAmax)、倒谱平均值(Cave)、自相关函数的最大值(Mxc)这些特征参数可以作为一种新的特征参数应用于天然地震和人工爆破的波形信号识别。
The characteristics of the seismic waveform include the waveform data characteristics of natural earthquake and artificial explosion. Extracting the seismic waveform is mainly to extract useful characteristics according to signal processing method and seismic waveform data's own characteristics for identifying the waveform of natural earthquake and artificial explosion from time domain, frequency domain and so on. The key problem of this is the selection and extracting of the signal characteristics.
The Hilbert-Huang Transform method put forward by Chinese American academician of National Academy of Engineering in 1998. It is a new signal processing and analysis method which differs from the global analysis characteristics of former signal analysis methods and has a unique superiority in the localized characteristic area of the signal research. It is a localized analysis method which is a time frequency localization analysis method and is more suitable than Fourier Transform and Wavelet Transform. This method can reflect the signal energy distribution regularity on every scale of the time and frequency more really. If the HHT method is used in processing the seismic resources, the existing problem when using other methods can be effectively solved and we can get breakthroughs on different level in different aspects of seismic resources, such as signal decomposition, time frequency analysis, and instant parameter solution and so on.
According to this, this paper using realized the extracting of the seismic waveform with HHT method. First, this paper analyzed the characteristics of natural earthquake and artificial explosion in time domain and frequency domain and did some necessary pre-process. Then carry out the empirical mode decomposition to the waveform signal of natural earthquake and artificial explosion and extract the three characteristics of corresponding maximum amplitude:the period (TAmax), cepstrum average (Cave) and the maximum of autocorrelation function (Mxc). At last, identify the waveform of natural earthquake and artificial explosion with support vector machine strictly according to the sample classify method. In the experiment, based on the C method, recognition rate is more optimistic, on the empirical mode decomposition of the intrinsic mode function to extract the first three of these three features the recognition rate of 99.8%.Based on the U method, the sample divided by the strict method, after repeated and a large number of experiments, on the empirical mode decomposition of the intrinsic mode function to extract the first three of these three features the average recognition rate over 97%.The results indicate that the waveform characteristic parameters extracted based on HHT method has a good identification rate. The period (TAmax), cepstrum average (Cave) and the maximum of autocorrelation function (Mxc) of corresponding maximum amplitude extracted according to this method can be used as a new characteristic parameter in the identifying the waveform signal of natural earthquake and artificial explosion. It has a good identification effect.
1998年华裔美国工程院院士N.E Huang等人提出了希尔伯特-黄变换方法,它是一种新的信号处理和分析的方法,不同于以往信号分析方法的全局分析特点,在研究信号的局部特征方面具有独特的优越性,是一种比傅里叶变换及小波变换等更具适应性的时频局部化分析方法。这种方法能够更真实的反应出信号能量在时间和频率各尺度上的分布规律,将希尔伯特-黄变换方法应用于地震资料处理中,能够有效解决使用其他方法时存在的各种困扰问题,使地震资料处理在信号分解、时频分析、瞬时参数求解等各方面得到不同程度的突破。
鉴于此,本文实验选用希尔伯特-黄变换方法实现了对地震波形特征的抽取,首先分析了天然地震和人工爆破波形信号在时域和频域上的特点,进行一些必要的预处理,然后对天然地震和人工爆破波形信号进行经验模态分解,提取了最大幅值对应的周期(TAmax)、倒谱平均值(Cave)、自相关函数的最大值(M xc)三个特征,最后按照严格的样本划分方法,利用支持向量机方法对天然地震和人工爆破的波形信号进行识别。在实验中,基于C方法时,识别率较为乐观,对经验模态分解后的前三个内模函数提取的这三个特征的识别率达到99.8%。基于U方法时,采用严格的样本划分方法,经反复多次实验,对经验模态分解后的前三个内模函数提取的这三个特征的平均识别率稳定在97%以上。实验结果表明,基于希尔伯特-黄变换方法提取出的波形特征参数具有较好的识别率,基于该方法提取出的最大幅值对应的周期(TAmax)、倒谱平均值(Cave)、自相关函数的最大值(Mxc)这些特征参数可以作为一种新的特征参数应用于天然地震和人工爆破的波形信号识别。
The characteristics of the seismic waveform include the waveform data characteristics of natural earthquake and artificial explosion. Extracting the seismic waveform is mainly to extract useful characteristics according to signal processing method and seismic waveform data's own characteristics for identifying the waveform of natural earthquake and artificial explosion from time domain, frequency domain and so on. The key problem of this is the selection and extracting of the signal characteristics.
The Hilbert-Huang Transform method put forward by Chinese American academician of National Academy of Engineering in 1998. It is a new signal processing and analysis method which differs from the global analysis characteristics of former signal analysis methods and has a unique superiority in the localized characteristic area of the signal research. It is a localized analysis method which is a time frequency localization analysis method and is more suitable than Fourier Transform and Wavelet Transform. This method can reflect the signal energy distribution regularity on every scale of the time and frequency more really. If the HHT method is used in processing the seismic resources, the existing problem when using other methods can be effectively solved and we can get breakthroughs on different level in different aspects of seismic resources, such as signal decomposition, time frequency analysis, and instant parameter solution and so on.
According to this, this paper using realized the extracting of the seismic waveform with HHT method. First, this paper analyzed the characteristics of natural earthquake and artificial explosion in time domain and frequency domain and did some necessary pre-process. Then carry out the empirical mode decomposition to the waveform signal of natural earthquake and artificial explosion and extract the three characteristics of corresponding maximum amplitude:the period (TAmax), cepstrum average (Cave) and the maximum of autocorrelation function (Mxc). At last, identify the waveform of natural earthquake and artificial explosion with support vector machine strictly according to the sample classify method. In the experiment, based on the C method, recognition rate is more optimistic, on the empirical mode decomposition of the intrinsic mode function to extract the first three of these three features the recognition rate of 99.8%.Based on the U method, the sample divided by the strict method, after repeated and a large number of experiments, on the empirical mode decomposition of the intrinsic mode function to extract the first three of these three features the average recognition rate over 97%.The results indicate that the waveform characteristic parameters extracted based on HHT method has a good identification rate. The period (TAmax), cepstrum average (Cave) and the maximum of autocorrelation function (Mxc) of corresponding maximum amplitude extracted according to this method can be used as a new characteristic parameter in the identifying the waveform signal of natural earthquake and artificial explosion. It has a good identification effect.
引文
[1]和雪松,李世愚,沈萍,冯全雄.用小波包识别地震和矿震[J].中国地震,2006,22(4)：425-434.
[2]飞思科技产品研发中心.MATLAB7辅助信号处理技术与应用[M].北京,电子工业出版社,2005：347-368.
[3]高云超.希尔伯特-黄变换方法的仿真研究[D].哈尔滨：哈尔滨工程大学,2005.
[4]张斌,刘晓川,许之晗.基于变换的电能质量分析方法[J].电网技术,2001,25(1)：26-29.
[5]Huang N E, Zheng Shen, Long S R, etal. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J]. Proceedings of the Royal Society of London,1998,454:903-995
[6]Ivan Magrin-Chagnolleauet al. Empirical mode decomposition based time-frequency attributes [A]. SEG 1999 Annual Meeting.
[7]Hassan H. Empirical Mode Decomposition (EMD) of potential field data: airborne gravity data as an example [A]. SEG/Houston 2005 Annual Meeting, 704-706.
[8]Sermion Kizhner, Thomas P. Flatley, et al. On the hilbert-huang transform data processing system development[M]. National Aeronautics and Space Administration Goddard Space Flight Center. Darrell Smith Orbital Sciences Corporation.2001:56-60.
[9]安镇文,郭祥云,边银菊,魏富胜.核爆炸与地震识别研究进展[J].国际地震动态,2008(8)：22-31.
[10]A.Douglas. The Detection and Recognition of Underground Explosion [J]. Surveys in Geophysies1995,16:495-532.
[11]汪肇强.海量地震数据的复合分层式存储方案[J].电脑知识与技术,2010,6(5)：1056-1057,1062.
[12]黄金莉,顾小虹.国家数字地震台网中心应用地震波形数据格式及转换[J].地震,2001,21(4)：60-65.
[13]郑秀芬,欧阳飚,等.“国家数字测台网数据备份中心”技术系统建设及其对汶川大地震研究的数据支撑[J].地球物理学报,2009,52(5)：1412-1417.
[14]单德华,杨红艳,孙鸿雁.大型数据存储与管理系统设计与实现[J].制造业自动化,2010,32(2)：40-42.
[15]赵宇彤,仲和,雪绒.美国全球地震数据服务的启示[J].国际地震动态,2006,326(2)：20-25.
[16]和跃时CDSN台SEED数据格式的软件开发[J].东北地震研究,2007,23(4)：59-64.
[17]http://www.iris.washington.edu/
[18]http://data.earthquake.cn
[19]“地震科学数据共享”项目组.2005年地震科学数据共享可行性研究报告[R].2005
[20]杨培杰,印兴耀,张广智.希尔伯特-黄变换地震信号时频分析与属性提取[J].地球物理学进展,2007,22(5)：1585-1590.
[23]胡聿贤,张郁山,梁建文.应用HHT方法从竖向地震动记录识别场地液化的物理过程[J].地震工程与工程振动,2004,24(3)：1-11.
[24]公茂盛,谢礼立.HHT方法在地震工程中的应用之初步探讨[J].世界地震工程,2003,19(3)：39-43.
[25]Hui-Fang Chen. Heart Rate Variability Analysis of Orthostatic Fainting in Spinal Cord Injury Treatment by Hilbert Huang Transform[D]. Master's Thesis of the National University of Singapore.2004.
[26]赵治栋.基于舒张期心音信号分析与特征提取的冠心病无损诊断研究[D].杭州：浙江大学,2004.
[27]宋斌华,黄方林,王学敏.运用希尔伯特黄变换的桥梁颤振导数识别[J].振动、测试与诊断,2009,29(1)：46-50.
[28]李天云,赵妍,季小慧,等.HHT方法在电力系统故障信号分析中的应用[J].电工技术学报,2005,20(6)：87-91.
[29]唐贵基,向玲,朱永利.基于HHT的旋转机械油膜涡动和油膜振荡故障特征分析[J].中国电机工程学报,2008,28(2)：77-81.
[30]程军圣,于德介,杨宇.一种基于Hilbert-Huang变换和AR模型的滚动轴承故障诊断方法[J].系统工程理论与实践,2004,24(10)：92-97,109.
[31]田梅,杨育霞.一种新的瞬时频率估计方法及其应用[J].微计算机信息.2008,24(8-3)：178-179.
[32]张恩厚,陈前新.瞬时振幅、瞬时相位、瞬时频率在地质雷达工程中的应用[D].中国科学院上海冶金研究所材料物理与化学(专业)博士论文,2000
[33]汪建武.基于瞬时频率的旋转机械故障诊断[J].机床与液压.2009,37(1)：179-183.
[34]F Rao Taylor. Estimation of the Instantaneous Frequency Using the Discrete Wigner. Distribution[J]. Electronic Letters,1990,26(4):246-248.
[35]Wonchul NHo. When is instantaneous frequency the average frequency at each time[J]. IEEE Signal Processing Letters,1999,6(4):78-80.
[36]Wigner E. On the quantum correction for thermodynamic equilibrium. Phys. Rev.1932,40:749-759.
[37]Ville J. Theorie et applications de la notion de signal analytique. Cables et Transmissions,1948,20A:61-74.
[38]陈林,宋海斌.地震信号瞬时频率的估算[J].地球物理学报,2009,52(1)：206-214.
[39]杨小牛,楼才义,徐建良.软件无线电原理与应用[M].北京：电子工业出版社,2004-4.
[40]张贤达.现代信号处理[M].北京：清华大学出版社,2002-10.
[41]董长虹.Matab信号处理与应用[M].国防工业出版社.北京,2005：115-117.
[42]陈子雄,吴琛,周瑞忠.希尔伯特-黄变换谱及其在地震信号分析中的应用[J].福州大学学报(自然科学版),2006,34(2)：260-264.
[43]刘庆敏,杨午阳,李书平,何欣.希尔伯特-黄变换在地震资料处理中的应用[J].西北地震学报,2009,31(3)：211-216.
[44]龙思胜,张铁宝,龙峰.希尔伯特-黄变换中拟合过冲和端点飞翼的原因及解决办法[J].地震学报,2005,27(5)：561-568.
[45]http://data. earthquake.cn
[46]于山,王海霞,马亚杰.三层BP神经网络地震灾害人员伤亡预测模型[J].地震工程与工程振动,2005,25：113-117.
[47]欧阳钧,王爱枝.基于Mat lab的BP神经网络在大气污染物浓度预测中的应用[J].环境科学与管理,2009,34(11)：176-180.
[48]李东升,王炜,黄冰树.人工神经网络及其在地震预报中的应用[J].地震,1995,15(4)：379-383.
[49]边银菊.2002.遗传BP网络在地震和爆破识别中的应用[J].地震学报,24(5)：516-524.
[50]成小平.人工神经网络方法及其在工程地震中的应用研究[J].国际地震动态,2000,(1)：12-14.
[51]张贤达,保铮.非平稳信号分析与处理[M].北京：国防工业出版社,1998.
[52]刘喜武,刘洪,李幼铭,等.局域波分解及其在地震信号时频分析中的应用[J].地球物理学进展,2007,22(2)：365-375.
[53]张哗.信号时频分析及应用[M].哈尔滨工业大学出版社,2006.
[54]魏富胜,黎明.震源性质的倒谱分析[J].地震学报,2003,25(1)：47-54.
[55]范万春,邱宏茂,孙煜,施仁,李真富.基于自相关函数的地震信号自适应端点检测[J].核电子学与探测技术,2001,21(5)：348-351.
[56]崔凤林,勾永峰,蔡朝晖.用于火山岩预测的地震属性提取及有效性分析方法研究[J].石油物探,2005,44(6)：598-600.
[57]蔡希玲,刘树曰,陈义景.自相关参数统计法——一种地震数据处理中有效的分析工具[J].信号处理,2000,16：63-68.
[58]朱尔一.改进的最优平面方法及其在癌症研究中的应用[J].厦门大学学报(自然科学版),1993(32)：155-157.
[59]Cortes C,Vapnik V. Support vector networks [J]. Machine earning,1995,20(3):273-295.
[60]陈军.基于支持向量机的脱机手写体汉字识别方法的研究[D],合肥工业大学,2006：14-16.
[61]孙文静,李士强.基于SVM的音频分类系统设计及实现[J].计算机科学,2010,37(12)：209-223.
[62]冯永,李华,钟将,叶春晓.基于自适应中文分词和近似SVM的文本分类算法[J].计算机科学,2010,37(1)：251-254.
[63]王永智,滕至阳,王鹏,聂江涛.基于LSA和SVM的文本分类模型的研究[J].计算机工程与设计,2009,30(3)：729-734.
[64]甘俊英,何思斌.基于2DLDA与SVM的人脸识别算法[J].计算机应用,2009,29(7)：1927-1929.
[65]郭锋,吕凝,陈绵书,刘丽丽.基于SNPE和SVM的人脸识别[J].计算机工程与应用,2008,44(9)：202-216.
[66]王李冬,王玉槐.基于AAM模型和RS-SVM的人脸识别研究[J].计算机工程与应用,2009,45(22)：140-143.
[67]张敏贵,潘泉,张洪才,等.基于支持向量机的人脸分类[J].计算机工程,2004,30(11)：110-112.
[68]宦若红,杨汝良.基于ICA和SVM的SAR图像特征提取与目标识别[J].计算机工程,2008,34(13)：24-28.
[69]伍尤富,刘爱林.基于KPCA和SVM的虹膜特征提取与识别[J].重庆工学院学报(自然科学版),2009,23(11)：99-103.
[70]张斌,李夕海,苏娟,刘代志.基于支持向量机的核爆地震自动识别[J].核电子学与探测技术,2005,25(1)： 44-47.
[71]Vapnik V. "The Nature of Statistical Learning Theory (the second edition) " NewYork:Springer-Verlag,1998(中译本张学工译统计学习理论的本质北京：清华大学出版社2000)
[72]边肇祺,张学工.模式识别[M].北京：清华大学出版社,2000：284-304.
[73]王先梅,王宏,王粉花.基于归一化背景方向特征的脱机手写汉字识别[J].计算机工程与应用,2007,43(30)：190-192.
[74]刘小平,赖剑煌,张智斌.基于小波子带图像的人脸光照归一化方法[J].中山大学学报：自然科学版,2007,46(5)：25-28.
[75]Zhang Ling, Zhang Bo. Relationship Between Support Vector Set and Kernel Functions in SVM, J. Comput, Sci.&Technol, (2002) 17,549.
[76]杨紫微,王儒敬,等.基于几何判据的SVM参数快速选择方法[J].计算机工程,2010,36(17)：205-209.
[77]王碧泉,陈祖荫.模式识别理论、方法和应用[M].地震出版社,1989：192-201.
[2]飞思科技产品研发中心.MATLAB7辅助信号处理技术与应用[M].北京,电子工业出版社,2005：347-368.
[3]高云超.希尔伯特-黄变换方法的仿真研究[D].哈尔滨：哈尔滨工程大学,2005.
[4]张斌,刘晓川,许之晗.基于变换的电能质量分析方法[J].电网技术,2001,25(1)：26-29.
[5]Huang N E, Zheng Shen, Long S R, etal. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J]. Proceedings of the Royal Society of London,1998,454:903-995
[6]Ivan Magrin-Chagnolleauet al. Empirical mode decomposition based time-frequency attributes [A]. SEG 1999 Annual Meeting.
[7]Hassan H. Empirical Mode Decomposition (EMD) of potential field data: airborne gravity data as an example [A]. SEG/Houston 2005 Annual Meeting, 704-706.
[8]Sermion Kizhner, Thomas P. Flatley, et al. On the hilbert-huang transform data processing system development[M]. National Aeronautics and Space Administration Goddard Space Flight Center. Darrell Smith Orbital Sciences Corporation.2001:56-60.
[9]安镇文,郭祥云,边银菊,魏富胜.核爆炸与地震识别研究进展[J].国际地震动态,2008(8)：22-31.
[10]A.Douglas. The Detection and Recognition of Underground Explosion [J]. Surveys in Geophysies1995,16:495-532.
[11]汪肇强.海量地震数据的复合分层式存储方案[J].电脑知识与技术,2010,6(5)：1056-1057,1062.
[12]黄金莉,顾小虹.国家数字地震台网中心应用地震波形数据格式及转换[J].地震,2001,21(4)：60-65.
[13]郑秀芬,欧阳飚,等.“国家数字测台网数据备份中心”技术系统建设及其对汶川大地震研究的数据支撑[J].地球物理学报,2009,52(5)：1412-1417.
[14]单德华,杨红艳,孙鸿雁.大型数据存储与管理系统设计与实现[J].制造业自动化,2010,32(2)：40-42.
[15]赵宇彤,仲和,雪绒.美国全球地震数据服务的启示[J].国际地震动态,2006,326(2)：20-25.
[16]和跃时CDSN台SEED数据格式的软件开发[J].东北地震研究,2007,23(4)：59-64.
[17]http://www.iris.washington.edu/
[18]http://data.earthquake.cn
[19]“地震科学数据共享”项目组.2005年地震科学数据共享可行性研究报告[R].2005
[20]杨培杰,印兴耀,张广智.希尔伯特-黄变换地震信号时频分析与属性提取[J].地球物理学进展,2007,22(5)：1585-1590.
[23]胡聿贤,张郁山,梁建文.应用HHT方法从竖向地震动记录识别场地液化的物理过程[J].地震工程与工程振动,2004,24(3)：1-11.
[24]公茂盛,谢礼立.HHT方法在地震工程中的应用之初步探讨[J].世界地震工程,2003,19(3)：39-43.
[25]Hui-Fang Chen. Heart Rate Variability Analysis of Orthostatic Fainting in Spinal Cord Injury Treatment by Hilbert Huang Transform[D]. Master's Thesis of the National University of Singapore.2004.
[26]赵治栋.基于舒张期心音信号分析与特征提取的冠心病无损诊断研究[D].杭州：浙江大学,2004.
[27]宋斌华,黄方林,王学敏.运用希尔伯特黄变换的桥梁颤振导数识别[J].振动、测试与诊断,2009,29(1)：46-50.
[28]李天云,赵妍,季小慧,等.HHT方法在电力系统故障信号分析中的应用[J].电工技术学报,2005,20(6)：87-91.
[29]唐贵基,向玲,朱永利.基于HHT的旋转机械油膜涡动和油膜振荡故障特征分析[J].中国电机工程学报,2008,28(2)：77-81.
[30]程军圣,于德介,杨宇.一种基于Hilbert-Huang变换和AR模型的滚动轴承故障诊断方法[J].系统工程理论与实践,2004,24(10)：92-97,109.
[31]田梅,杨育霞.一种新的瞬时频率估计方法及其应用[J].微计算机信息.2008,24(8-3)：178-179.
[32]张恩厚,陈前新.瞬时振幅、瞬时相位、瞬时频率在地质雷达工程中的应用[D].中国科学院上海冶金研究所材料物理与化学(专业)博士论文,2000
[33]汪建武.基于瞬时频率的旋转机械故障诊断[J].机床与液压.2009,37(1)：179-183.
[34]F Rao Taylor. Estimation of the Instantaneous Frequency Using the Discrete Wigner. Distribution[J]. Electronic Letters,1990,26(4):246-248.
[35]Wonchul NHo. When is instantaneous frequency the average frequency at each time[J]. IEEE Signal Processing Letters,1999,6(4):78-80.
[36]Wigner E. On the quantum correction for thermodynamic equilibrium. Phys. Rev.1932,40:749-759.
[37]Ville J. Theorie et applications de la notion de signal analytique. Cables et Transmissions,1948,20A:61-74.
[38]陈林,宋海斌.地震信号瞬时频率的估算[J].地球物理学报,2009,52(1)：206-214.
[39]杨小牛,楼才义,徐建良.软件无线电原理与应用[M].北京：电子工业出版社,2004-4.
[40]张贤达.现代信号处理[M].北京：清华大学出版社,2002-10.
[41]董长虹.Matab信号处理与应用[M].国防工业出版社.北京,2005：115-117.
[42]陈子雄,吴琛,周瑞忠.希尔伯特-黄变换谱及其在地震信号分析中的应用[J].福州大学学报(自然科学版),2006,34(2)：260-264.
[43]刘庆敏,杨午阳,李书平,何欣.希尔伯特-黄变换在地震资料处理中的应用[J].西北地震学报,2009,31(3)：211-216.
[44]龙思胜,张铁宝,龙峰.希尔伯特-黄变换中拟合过冲和端点飞翼的原因及解决办法[J].地震学报,2005,27(5)：561-568.
[45]http://data. earthquake.cn
[46]于山,王海霞,马亚杰.三层BP神经网络地震灾害人员伤亡预测模型[J].地震工程与工程振动,2005,25：113-117.
[47]欧阳钧,王爱枝.基于Mat lab的BP神经网络在大气污染物浓度预测中的应用[J].环境科学与管理,2009,34(11)：176-180.
[48]李东升,王炜,黄冰树.人工神经网络及其在地震预报中的应用[J].地震,1995,15(4)：379-383.
[49]边银菊.2002.遗传BP网络在地震和爆破识别中的应用[J].地震学报,24(5)：516-524.
[50]成小平.人工神经网络方法及其在工程地震中的应用研究[J].国际地震动态,2000,(1)：12-14.
[51]张贤达,保铮.非平稳信号分析与处理[M].北京：国防工业出版社,1998.
[52]刘喜武,刘洪,李幼铭,等.局域波分解及其在地震信号时频分析中的应用[J].地球物理学进展,2007,22(2)：365-375.
[53]张哗.信号时频分析及应用[M].哈尔滨工业大学出版社,2006.
[54]魏富胜,黎明.震源性质的倒谱分析[J].地震学报,2003,25(1)：47-54.
[55]范万春,邱宏茂,孙煜,施仁,李真富.基于自相关函数的地震信号自适应端点检测[J].核电子学与探测技术,2001,21(5)：348-351.
[56]崔凤林,勾永峰,蔡朝晖.用于火山岩预测的地震属性提取及有效性分析方法研究[J].石油物探,2005,44(6)：598-600.
[57]蔡希玲,刘树曰,陈义景.自相关参数统计法——一种地震数据处理中有效的分析工具[J].信号处理,2000,16：63-68.
[58]朱尔一.改进的最优平面方法及其在癌症研究中的应用[J].厦门大学学报(自然科学版),1993(32)：155-157.
[59]Cortes C,Vapnik V. Support vector networks [J]. Machine earning,1995,20(3):273-295.
[60]陈军.基于支持向量机的脱机手写体汉字识别方法的研究[D],合肥工业大学,2006：14-16.
[61]孙文静,李士强.基于SVM的音频分类系统设计及实现[J].计算机科学,2010,37(12)：209-223.
[62]冯永,李华,钟将,叶春晓.基于自适应中文分词和近似SVM的文本分类算法[J].计算机科学,2010,37(1)：251-254.
[63]王永智,滕至阳,王鹏,聂江涛.基于LSA和SVM的文本分类模型的研究[J].计算机工程与设计,2009,30(3)：729-734.
[64]甘俊英,何思斌.基于2DLDA与SVM的人脸识别算法[J].计算机应用,2009,29(7)：1927-1929.
[65]郭锋,吕凝,陈绵书,刘丽丽.基于SNPE和SVM的人脸识别[J].计算机工程与应用,2008,44(9)：202-216.
[66]王李冬,王玉槐.基于AAM模型和RS-SVM的人脸识别研究[J].计算机工程与应用,2009,45(22)：140-143.
[67]张敏贵,潘泉,张洪才,等.基于支持向量机的人脸分类[J].计算机工程,2004,30(11)：110-112.
[68]宦若红,杨汝良.基于ICA和SVM的SAR图像特征提取与目标识别[J].计算机工程,2008,34(13)：24-28.
[69]伍尤富,刘爱林.基于KPCA和SVM的虹膜特征提取与识别[J].重庆工学院学报(自然科学版),2009,23(11)：99-103.
[70]张斌,李夕海,苏娟,刘代志.基于支持向量机的核爆地震自动识别[J].核电子学与探测技术,2005,25(1)： 44-47.
[71]Vapnik V. "The Nature of Statistical Learning Theory (the second edition) " NewYork:Springer-Verlag,1998(中译本张学工译统计学习理论的本质北京：清华大学出版社2000)
[72]边肇祺,张学工.模式识别[M].北京：清华大学出版社,2000：284-304.
[73]王先梅,王宏,王粉花.基于归一化背景方向特征的脱机手写汉字识别[J].计算机工程与应用,2007,43(30)：190-192.
[74]刘小平,赖剑煌,张智斌.基于小波子带图像的人脸光照归一化方法[J].中山大学学报：自然科学版,2007,46(5)：25-28.
[75]Zhang Ling, Zhang Bo. Relationship Between Support Vector Set and Kernel Functions in SVM, J. Comput, Sci.&Technol, (2002) 17,549.
[76]杨紫微,王儒敬,等.基于几何判据的SVM参数快速选择方法[J].计算机工程,2010,36(17)：205-209.
[77]王碧泉,陈祖荫.模式识别理论、方法和应用[M].地震出版社,1989：192-201.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |