声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：曹子龙, 黄杜若
单位：清华大学 水沙科学与水利水电工程国家重点实验室, 北京 100084
关键词：人工地震波,XGBoost方法,智能监测,SIMQKE,小波包分析
基金：国家自然科学基金资助项目（52179134）\r\n
近年来，人工智能方法快速发展，在许多工程问题中，逐渐引入具有良好预测能力和泛化能力的机器学习算法。该文考虑采用XGBoost人工智能方法，对工程场地实测和人工模拟地震波的时频规律特征进行深入探索，旨在解决地震波研究目前存在的资料缺乏与认识匮乏两大问题。采用的XGBoost算法优势在于人工智能方法的高性能计算能够完成传统计算方法难以实现的对大量数据的分析，从而发掘、重现地震波的时域和频域特征。在对实测和SIMQKE人工地震波的判别研究中，发现本算法对于二者的判别准确率能达到91%，进一步研究发现人工地震波与实测波差别主要体现在时频域特征的相关性上。该文有助于进一步认识地震波的时频特征，同时也对人工地震波模拟方法的发展具有重要意义。
来源：2022年第8期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。