基于EMD-VMD-LSTM的地震信号分类研究*

施佳朋，黄汉明，薛思敏，黎炳君，袁雪梅

(广西师范大学 计算机科学与信息工程学院，广西 桂林 541004)

0 引 言

天然地震危害巨大，一旦发生容易造成大量的财产损失和人员伤亡，对地震信号的分类研究对于防震减灾是有着重要的意义，这是构建完整的地震目录和便于地震研究学者能更加专注对天然地震信号的研究的基础[1,2]。但是如人工爆破等其他人为产生的噪声地震信号，很容易对监听产生影响，导致误判。还有就是天然地震信号不同于一般信号，属于非平稳信号[3]，本身就较为复杂，因此分类研究也一直是重点研究对象。

地震信号研究学者们也根据地震信号的特性，从多方面判断，如：利用到达时间自动拾取方法(automatic method for picking up arrive time,AMPAT)来研究P波[4]、波形复杂度[5]、分形维数[6]、能量比[7]、倒谱[8]、小波变换[9]等。而随着计算机硬件设备发展，研究者们使用的方法也逐步多样化，如使用机器学习方法[10]，从使用反向传播(back propogation,BP)神经网络对震动信号研究[11]，到使用更为深层的深度学习神经网络[12]。这些地震领域研究学者们的实验，都取得了不错的成果，为地震领域研究提供了思路和方向。

本文以天然地震信号和人工爆破地震信号为对象进行分类实验研究。在前人提供的研究思路方向上，提出了一种基于经验模态分解—变分模态分解—长短期记忆(empirical mode decomposition-variational mode decomposition-long short-term memory,EMD-VMD-LSTM)的地震信号分类研究模型，分别求得前5个本征模态函数(intrinsic mode function，IMF)分量，然后求取IMF的熵值，作为分类特征，最后输入到LSTM中，利用LSTM提取特征能力来进行分类研究。……