检索结果-维普期刊中文期刊服务平台

基于深度学习残差网络模型的地震和爆破识别被引量：33: 1; 作者隗永刚杨千里 +2 位作者王婷婷蒋长胜边银菊《地震学报》 CSCD 北大核心 2019年第5期646-657,I0001,共13页; 为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地... 展开更多; 关键词地震识别爆破识别深度学习残差网络; 在线阅读下载PDF 职称材料

用逐步代价最小决策法识别地震与爆破被引量：9: 2; 作者张博边银菊王婷婷《地震学报》 CSCD 北大核心 2014年第2期233-243,339,共11页; 在动态时间规整法的基础上,建立了逐步代价最小决策法(SAMC).该方法中的代价函数可以很好地反映特征归属,对较差的特征具有一定的"容忍度"、稳定性好,还可用全程代价函数评判识别结果的可信度.用SAMC方法对北京及其周边地区3... 展开更多; 关键词动态时间规整逐步代价最小决策法地震和爆破的识别识别判据; 在线阅读下载PDF 职称材料

基于瓦斯实时监测的炮掘工作面爆破自动识别与突出危险性预测被引量：4: 3; 作者彭玉杰宋大钊 +3 位作者李振雷何学秋王洪磊邱黎明《煤炭科学技术》 CAS CSCD 北大核心 2022年第5期171-178,共8页; 为实现应用炮掘工作面炮后瓦斯实时监测数据进行突出危险性动态预测的目标,提出了一种应用一阶差分、卷积运算和MATLAB中的findpeaks函数,自动识别瓦斯体积分数监测曲线中爆破事件的方法,应用提出的自动识别方法,对某炮掘工作面的爆破... 展开更多; 关键词炮掘工作面瓦斯监测爆破自动识别相关性分析瓦斯突出; 在线阅读下载PDF 职称材料

天然地震与人工爆破的波形小波特征研究被引量：51: 4; 作者黄汉明边银菊 +2 位作者卢世军蒋正锋李锐《地震学报》 CSCD 北大核心 2010年第3期270-276,共7页; 研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别.首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特... 展开更多; 关键词爆破识别小波包能量比香农熵支持向量机; 在线阅读下载PDF 职称材料

题名基于深度学习残差网络模型的地震和爆破识别被引量：33: 1; 作者隗永刚杨千里王婷婷蒋长胜边银菊; 机构中国地震局地球物理研究所; 出处《地震学报》 CSCD 北大核心 2019年第5期646-657,I0001,共13页; 基金中央级公益性科研院所基本科研专项(DQJB18B17,DQJB19B10)资助; 文摘为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1000次独立的随机抽样子试验以及“留一交叉验证法”试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。; 关键词地震识别爆破识别深度学习残差网络; Keywords earthquake discrimination explosion discrimination Deep Learning residual network; 分类号 P315.63 [天文地球—地震学]; 在线阅读下载PDF 职称材料

题名用逐步代价最小决策法识别地震与爆破被引量：9: 2; 作者张博边银菊王婷婷; 机构中国地震局地球物理研究所; 出处《地震学报》 CSCD 北大核心 2014年第2期233-243,339,共11页; 基金地震行业科研专项基金(200808003)资助; 文摘在动态时间规整法的基础上,建立了逐步代价最小决策法(SAMC).该方法中的代价函数可以很好地反映特征归属,对较差的特征具有一定的"容忍度"、稳定性好,还可用全程代价函数评判识别结果的可信度.用SAMC方法对北京及其周边地区33次地震和29次爆破中提取的5个分类特征量进行识别,识别率为90%;从该5个特征量中选择较好的3个特征量进行识别,识别率为92%;在上述地区另选13次事件作为检验样本进行U检验,5个分类特征量和3个分类特征量的识别率分别为92%和100%,识别效果很好.这表明SAMC是识别地震与爆破的有效方法.; 关键词动态时间规整逐步代价最小决策法地震和爆破的识别识别判据; Keywords dynamic time warping stepwise accumulating minimal cost decision method recognition of earthquakes and explosions feature; 分类号 P315.31 [天文地球—地震学]; 在线阅读下载PDF 职称材料

题名基于瓦斯实时监测的炮掘工作面爆破自动识别与突出危险性预测被引量：4: 3; 作者彭玉杰宋大钊李振雷何学秋王洪磊邱黎明; 机构北京科技大学土木与资源工程学院; 出处《煤炭科学技术》 CAS CSCD 北大核心 2022年第5期171-178,共8页; 基金国家自然科学基金资助项目(51634001,51774023,51904019)。; 文摘为实现应用炮掘工作面炮后瓦斯实时监测数据进行突出危险性动态预测的目标,提出了一种应用一阶差分、卷积运算和MATLAB中的findpeaks函数,自动识别瓦斯体积分数监测曲线中爆破事件的方法,应用提出的自动识别方法,对某炮掘工作面的爆破事件进行了自动识别与提取,并对识别结果进行了评价;基于爆破识别与提取的结果,分析了炮后瓦斯体积分数变化特征,计算了炮后瓦斯体积分数增长速率、峰值和衰减速率3个指标与K1值的相关性,据此建立了炮掘工作面突出危险性预测模型,并将模型应用于另一炮掘工作面,对工作面前方的突出危险性进行预测。研究结果表明:提出的自动识别方法实现了对爆破时刻、爆破时的瓦斯体积分数、炮后瓦斯体积分数峰值及其时刻的自动识别与提取,识别爆破事件的召回率平均为84.13%、精准率平均为77.21%,提取出的炮后瓦斯体积分数峰值和爆破时刻的平均绝对误差分别为0.0189%和2.3237 min;炮后瓦斯体积分数增长速率、峰值、衰减速率都与K1值强相关,相关系数分别为0.85、0.92、0.79;应用建立的突出危险性预测模型,成功地预测出了25次喷孔事件和1次小型压出事件,预报效能为60.48%。研究结果可作为现有突出预测方法的补充,辅助钻屑瓦斯解吸指标K1值进行突出危险性预测,并可为炮掘工作面瓦斯异常识别及突出危险性预测提供指导。; 关键词炮掘工作面瓦斯监测爆破自动识别相关性分析瓦斯突出; Keywords blasting driving face gas monitoring blasting auto-identification correlation analysis coal and gas outburst; 分类号 TD713 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

题名天然地震与人工爆破的波形小波特征研究被引量：51: 4; 作者黄汉明边银菊卢世军蒋正锋李锐; 机构广西师范大学计算机科学与信息工程学院中国地震局地球物理研究所; 出处《地震学报》 CSCD 北大核心 2010年第3期270-276,共7页; 基金中国地震局地震行业科研专项基金(200808003)资助; 文摘研究了如何从天然地震和人工爆破事件的波形记录中提取出有效、适用的波形特征,以用于对爆破事件的识别.首先对波形记录进行了4层小波包变换;然后对变换得到的最后一层小波包系数提取3种波形特征:能量比特征、香农熵特征及对数能量熵特征;最后利用v-SVC支持向量分类机对这3种特征的分类能力进行了外推检验.通过选用不同地区、不同台站、不同震级的天然地震与人工爆破的波形记录,力求提取的特征量能尽可能地反映天然地震与人工爆破波形的本质区别,尽量弱化震中距、震级等因素对识别效果的影响.结果表明,上述3种特征中以香农熵特征的识别效果最好,能反映天然地震与人工爆破的本质区别,可作为识别天然地震与人工爆破的一个有效判据.; 关键词爆破识别小波包能量比香农熵支持向量机; Keywords explosion recognition wavelet packet energy ratio Shannon entropy v-SVC; 分类号 P315.63 [天文地球—地震学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于深度学习残差网络模型的地震和爆破识别	隗永刚杨千里王婷婷蒋长胜边银菊	《地震学报》 CSCD 北大核心	2019	33	在线阅读下载PDF 职称材料
2	用逐步代价最小决策法识别地震与爆破	张博边银菊王婷婷	《地震学报》 CSCD 北大核心	2014	9	在线阅读下载PDF 职称材料
3	基于瓦斯实时监测的炮掘工作面爆破自动识别与突出危险性预测	彭玉杰宋大钊李振雷何学秋王洪磊邱黎明	《煤炭科学技术》 CAS CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
4	天然地震与人工爆破的波形小波特征研究	黄汉明边银菊卢世军蒋正锋李锐	《地震学报》 CSCD 北大核心	2010	51	在线阅读下载PDF 职称材料