基于支持向量机的地震事件类型自动识别及应用

蔡杏辉，廖诗荣，张燕明，陈惠芳，林彬华

（福建省地震局，福州 350003）

0 引言

地震事件类型分类是地震监测的必要工作，信息的迅速可靠对地方政府和公众至关重要。目前我国非天然地震的判别与分析主要靠人工进行，响应速度慢。虽然非天然地震事件直接破坏性普遍不大，但仍有一定数量的事件对社会产生重大影响，如2015年8月天津港爆炸，分别记录到ML2.3级与ML2.9级两次非天然地震，2019年3月江苏响水爆炸，记录到ML2.2级非天然地震等，这些突发事件对地震部门快速应急响应提出了新要求，非天然地震进行准实时处理，自动判定事件类型，建立规范化、标准化、自动化处理流程，可为政府的快速应急响应提供技术支撑。此外，由于事件波形复杂性，不能完全剔除非天然地震事件，会影响地震目录产出质量，导致天然地震活动性估计不准确，对疑似事件准确定性可提高地震编目产出质量和工作效率。

目前，已有许多学者对天然及非天然地震的识别进行研究，并取得相关研究成果。如BP神经网络、卷积神经网络、支持向量机、矩阵决策算法等方法被运用于天然地震与非天然地震自动识别分类[1-6]。支持向量机（SVM）是人工智能算法的一个重要分支，是一类按监督学习方式对数据进行二元分类的广义线性分类器，在人像识别、文本分类、模式识别等许多领域中得到应用[7]。已有研究者将支持向量机技术应用到地震事件类型的分类识别研究。国内，研究者[2，3，5]利用波形小波特征，采用支持向量机对地震和爆破事件进行识别。……