基于多层全连接神经网络的6C地震波极化向量识别研究

作者：廖成旺; 庞聪; 江勇; 吴涛^*

来源：大地测量与地球动力学, 2023, 1-11.

DOI：10.14075/j.jgg.2023.06.158

• 极化向量识别
• 六分量地震波
• 多层全连接神经网络
• 支持向量机

地震波各波型（P波、SV波、SH波、Love波和Rayleigh波）的极化向量识别是利用协方差矩阵特征向量提取地震波极化参数（如方位角、相速度和入射角等）的关键。包括平动三分量和旋转三分量的六分量（six-component,6C）极化分析为波型参数提取提供了更有利的条件。基于机器学习原理，提出一种基于多层全连接（multi-layer fully connected,MFC）神经网络的6C地震波极化向量识别方法。首先对于5种波型和噪声波型，利用6C地震波各波型极化向量数学模型和一系列仿真参数得到每种波型5 000个极化向量数据集，随机选取其中5 000个作为测试集，其余划分为训练集，进行MFC神经网络与支持向量机（support vector machine,SVM）的综合辨识性能对比实验。结果表明，MFC神经网络模型在5种极化向量类型识别（SH波和Love波归为一类）和6种极化向量类型识别效果上皆显著优于SVM模型，平均识别率分别达到99.786%和87.940%。

• 出版日期2023
• 单位湖北省地震局; 中国地震局地震研究所