基于LSTM-RNN的地震前兆数据异常检测新方法（英文）

论文摘要

研究地震前兆数据的异常变化是地震短临预测的基础,本文提出一种地震前兆数据的异常智能检测新方法,利用长短期记忆单元的递归神经网络（LSTMRNN）构建数据趋势变化预测模型,通过模型预测的误差来提取数据的异常变化。该方法不需要对原始数据进行预处理,也不需要对异常数据判断的经验积累,适用于各类不同长度的地震前兆数据异常检测。通过使用三类真实的前兆观测数据的进行方法检验,将机器检测结果与人工识别结果进行对比分析,试验结果表明,基于LSTM-RNN的异常检测方法能够准确识别各类异常,可以代替人工用于地震前兆数据的异常检测。

论文目录

文章来源

类型: 期刊论文

作者: 蔡寅,Mei-Ling Shyu,涂钥轩,滕云田,胡星星

关键词: 地震前兆数据,深度学习,预测模型,异常检测

来源: Applied Geophysics 2019年03期

年度: 2019

分类: 基础科学

专业: 地质学,地球物理学

单位: 中国地震局地球物理研究所,山东省地震局,美国迈阿密大学电子与计算机工程学院

基金: supported by the Science for Earthquake Resilience of China(No.XH18027),Research and Development of Comprehensive Geophysical Field Observing Instrument in Mainland China(No.Y201703),Research Fund Project of Shandong Earthquake Agency(Nos.JJ1505Y and JJ1602)

分类号: P315.72

页码: 257-266+394

总页数: 11

文件大小: 926K

下载量: 143

相关论文文献

标签：地震前兆数据论文;  深度学习论文;  预测模型论文;  异常检测论文;