期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于生成对抗网络和卷积神经网络的高速铁路地震预警干扰信号识别方法
1
作者
宋晋东
栾世成
+7 位作者
李山有
马强
孙文韬
刘赫奕
周学影
姚鹍鹏
黄鹏杰
朱景宝
《中国铁道科学》
北大核心
2025年第1期225-232,共8页
为提升高速铁路地震预警系统中地震事件识别的可靠性,提出基于生成对抗网络(GAN)和卷积神经网络(CNN)的高速铁路地震预警干扰信号识别方法。首先,通过GAN对打夯干扰信号进行数据增强,以实现数据平衡;其次,设计并构建GAN-CNN打夯干扰信...
为提升高速铁路地震预警系统中地震事件识别的可靠性,提出基于生成对抗网络(GAN)和卷积神经网络(CNN)的高速铁路地震预警干扰信号识别方法。首先,通过GAN对打夯干扰信号进行数据增强,以实现数据平衡;其次,设计并构建GAN-CNN打夯干扰信号识别模型,并对其进行训练和测试;最后,通过对比试验,验证该模型在干扰信号识别中的有效性和准确性。结果表明:与未使用GAN进行数据增强的情况相比,所提方法识别打夯干扰信号和地震事件信号的准确率分别为99.60%和100%,性能显著提升;此外,GANCNN模型的交并比、准确率、召回率和综合能力评价指标也得到提高。该方法可为高速铁路地震预警干扰信号识别提供参考。
展开更多
关键词
地震预警
高速铁路
卷积神经网络
生成对抗网络
打夯干扰信号
在线阅读
下载PDF
职称材料
基于混合神经网络的高速铁路地震预警方法
2
作者
朱景宝
孙文韬
+3 位作者
周学影
姚鹍鹏
李山有
宋晋东
《铁道学报》
北大核心
2025年第3期178-190,共13页
破坏性地震对高速铁路安全会造成严重的影响。为使高速铁路地震预警系统快速获得可靠的Ⅰ级地震警报,基于日本K-NET台网记录的强震动数据,提出一种基于震级阈值(M=5.5)和峰值地震加速度阈值(PGA=40 cm/s^(2))的深度学习高速铁路现地阈...
破坏性地震对高速铁路安全会造成严重的影响。为使高速铁路地震预警系统快速获得可靠的Ⅰ级地震警报,基于日本K-NET台网记录的强震动数据,提出一种基于震级阈值(M=5.5)和峰值地震加速度阈值(PGA=40 cm/s^(2))的深度学习高速铁路现地阈值地震预警方法。设计一种结合卷积神经网络、循环神经网络和注意力机制的混合神经网络架构,并在该网络架构的基础上,训练两个独立的模型,分别用于预测震级和峰值地震加速度是否超过阈值。同时,根据震级阈值和峰值地震加速度阈值设置4个警报预测级别。基于混合神经网络模型对震级和峰值地震加速度的预测,每个台站将发布相应的警报预测级别。警报预测级别4表示台站附近有高震级事件且存在潜在破坏。在P波到达后3 s,对于相同的测试数据集,和基线模型相比,混合神经网络模型对于震级预测和峰值地震加速度预测有更好的性能,且震级预测的准确率达到97.26%,PGA预测的准确率达到98.89%,警报预测级别的准确率到达96.31%。将该方法应用于2021年2月13日发生于日本福岛的7.3级地震,结果表明,在P波到达后10 s内,警报预测级别的准确率达到90%,平均预警时间超过19 s。
展开更多
关键词
高速铁路
地震预警
神经网络
震级
峰值地震加速度
在线阅读
下载PDF
职称材料
基于支持向量机预测模型的高速铁路现地地震预警方法
被引量:
3
3
作者
宋晋东
朱景宝
+6 位作者
刘艳琼
孙文韬
李水龙
曾奎原
汪云龙
姚鹍鹏
李山有
《中国铁道科学》
EI
CAS
CSCD
北大核心
2022年第5期177-187,共11页
以准确发出预测高速铁路Ⅰ级地震警报为目标,提出基于支持向量机(SVM)预测模型的高速铁路现地地震预警方法,并分析该方法的可行性。首先,针对震级和地震动加速度峰值2个参数,分别明确相应的SVM预测模型;然后,设置阈值(震级6级和地震动...
以准确发出预测高速铁路Ⅰ级地震警报为目标,提出基于支持向量机(SVM)预测模型的高速铁路现地地震预警方法,并分析该方法的可行性。首先,针对震级和地震动加速度峰值2个参数,分别明确相应的SVM预测模型;然后,设置阈值(震级6级和地震动加速度峰值40 cm·s-2)并定义预测等级及其与阈值间的对应关系,依据2个参数预测值与阈值的关系发布不同等级警报;最后,根据地震动加速度峰值观测值与预测值的对比,定义报警动作,评价报警性能。依托2022年1月8日青海门源6.9级地震的全部加速度数据进行离线验证,结果表明:P波到达后1~3 s时间窗内,2个参数的预测值逐渐接近真实值,预测误差的标准差明显减小,SVM预测模型可得到准确预测结果;首台(距离震中最近且离破坏最近的台站)触发后1 s时即可成功发布警报,触发后6 s时烈度Ⅶ度区域内的所有台站均成功发布警报。该方法可为低成本烈度仪服务高速铁路地震监测预警提供参考。
展开更多
关键词
高速铁路
地震预警
震级
加速度峰值
支持向量机
在线阅读
下载PDF
职称材料
题名
基于生成对抗网络和卷积神经网络的高速铁路地震预警干扰信号识别方法
1
作者
宋晋东
栾世成
李山有
马强
孙文韬
刘赫奕
周学影
姚鹍鹏
黄鹏杰
朱景宝
机构
中国地震局工程力学研究所地震工程与工程振动重点实验室
地震灾害防治应急管理部重点实验室
中国铁道科学研究院集团
有限公司
铁道科学技术研究发展中心
河南辉煌科技股份有限公司安防产品部
出处
《中国铁道科学》
北大核心
2025年第1期225-232,共8页
基金
国家重点研发计划项目(2023YFF0725005)
国家自然科学基金资助项目(42304074,51408564)
+1 种基金
中国国家铁路集团有限公司科技研究开发计划课题(K2024G008)
中国铁道科学研究院集团有限公司院基金课题(2022YJ149)。
文摘
为提升高速铁路地震预警系统中地震事件识别的可靠性,提出基于生成对抗网络(GAN)和卷积神经网络(CNN)的高速铁路地震预警干扰信号识别方法。首先,通过GAN对打夯干扰信号进行数据增强,以实现数据平衡;其次,设计并构建GAN-CNN打夯干扰信号识别模型,并对其进行训练和测试;最后,通过对比试验,验证该模型在干扰信号识别中的有效性和准确性。结果表明:与未使用GAN进行数据增强的情况相比,所提方法识别打夯干扰信号和地震事件信号的准确率分别为99.60%和100%,性能显著提升;此外,GANCNN模型的交并比、准确率、召回率和综合能力评价指标也得到提高。该方法可为高速铁路地震预警干扰信号识别提供参考。
关键词
地震预警
高速铁路
卷积神经网络
生成对抗网络
打夯干扰信号
Keywords
Earthquake early warning
High-speed railway
Convolutional neural network(CNN)
Generative adversarial network(GAN)
Tamping interference signal
分类号
P315.3 [天文地球—地震学]
在线阅读
下载PDF
职称材料
题名
基于混合神经网络的高速铁路地震预警方法
2
作者
朱景宝
孙文韬
周学影
姚鹍鹏
李山有
宋晋东
机构
中国地震局工程力学研究所地震工程与工程振动重点实验室
地震灾害防治应急管理部重点实验室
中国铁道科学研究院集团
有限公司
铁道科学技术研究发展中心
河南辉煌科技股份有限公司安防产品部
出处
《铁道学报》
北大核心
2025年第3期178-190,共13页
基金
中国地震局工程力学研究所基本科研业务费(2024C05)
国家自然科学基金(U2039209)
中国铁道科学研究院集团有限公司科研项目(2022YJ149)。
文摘
破坏性地震对高速铁路安全会造成严重的影响。为使高速铁路地震预警系统快速获得可靠的Ⅰ级地震警报,基于日本K-NET台网记录的强震动数据,提出一种基于震级阈值(M=5.5)和峰值地震加速度阈值(PGA=40 cm/s^(2))的深度学习高速铁路现地阈值地震预警方法。设计一种结合卷积神经网络、循环神经网络和注意力机制的混合神经网络架构,并在该网络架构的基础上,训练两个独立的模型,分别用于预测震级和峰值地震加速度是否超过阈值。同时,根据震级阈值和峰值地震加速度阈值设置4个警报预测级别。基于混合神经网络模型对震级和峰值地震加速度的预测,每个台站将发布相应的警报预测级别。警报预测级别4表示台站附近有高震级事件且存在潜在破坏。在P波到达后3 s,对于相同的测试数据集,和基线模型相比,混合神经网络模型对于震级预测和峰值地震加速度预测有更好的性能,且震级预测的准确率达到97.26%,PGA预测的准确率达到98.89%,警报预测级别的准确率到达96.31%。将该方法应用于2021年2月13日发生于日本福岛的7.3级地震,结果表明,在P波到达后10 s内,警报预测级别的准确率达到90%,平均预警时间超过19 s。
关键词
高速铁路
地震预警
神经网络
震级
峰值地震加速度
Keywords
high-speed railway
earthquake early warning
neural network
magnitude
peak ground acceleration
分类号
U238 [交通运输工程—道路与铁道工程]
P315.7 [天文地球—地震学]
在线阅读
下载PDF
职称材料
题名
基于支持向量机预测模型的高速铁路现地地震预警方法
被引量:
3
3
作者
宋晋东
朱景宝
刘艳琼
孙文韬
李水龙
曾奎原
汪云龙
姚鹍鹏
李山有
机构
中国地震局工程力学研究所地震工程与工程振动重点实验室
地震灾害防治应急管理部重点实验室
中国地震台网中心测震台网部
中国铁道科学研究院集团
有限公司
铁道科学技术研究发展中心
福建省地震局福建地震台
河南辉煌科技股份有限公司安防产品部
出处
《中国铁道科学》
EI
CAS
CSCD
北大核心
2022年第5期177-187,共11页
基金
中国地震局工程力学研究所基本科研业务费专项资助项目(2021B07)
国家自然科学基金资助项目(U2039209,U1839208,51408564)
+2 种基金
黑龙江省自然科学基金资助项目(LH2021E119)
地震科技星火计划项目(XH22008B)
福建省地震局科技基金专项资助项目(SF202103)。
文摘
以准确发出预测高速铁路Ⅰ级地震警报为目标,提出基于支持向量机(SVM)预测模型的高速铁路现地地震预警方法,并分析该方法的可行性。首先,针对震级和地震动加速度峰值2个参数,分别明确相应的SVM预测模型;然后,设置阈值(震级6级和地震动加速度峰值40 cm·s-2)并定义预测等级及其与阈值间的对应关系,依据2个参数预测值与阈值的关系发布不同等级警报;最后,根据地震动加速度峰值观测值与预测值的对比,定义报警动作,评价报警性能。依托2022年1月8日青海门源6.9级地震的全部加速度数据进行离线验证,结果表明:P波到达后1~3 s时间窗内,2个参数的预测值逐渐接近真实值,预测误差的标准差明显减小,SVM预测模型可得到准确预测结果;首台(距离震中最近且离破坏最近的台站)触发后1 s时即可成功发布警报,触发后6 s时烈度Ⅶ度区域内的所有台站均成功发布警报。该方法可为低成本烈度仪服务高速铁路地震监测预警提供参考。
关键词
高速铁路
地震预警
震级
加速度峰值
支持向量机
Keywords
High-speed railway
Earthquake early warning
Magnitude
Peak ground acceleration
Support vector machine
分类号
U238 [交通运输工程—道路与铁道工程]
P315.7 [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
基于生成对抗网络和卷积神经网络的高速铁路地震预警干扰信号识别方法
宋晋东
栾世成
李山有
马强
孙文韬
刘赫奕
周学影
姚鹍鹏
黄鹏杰
朱景宝
《中国铁道科学》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于混合神经网络的高速铁路地震预警方法
朱景宝
孙文韬
周学影
姚鹍鹏
李山有
宋晋东
《铁道学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于支持向量机预测模型的高速铁路现地地震预警方法
宋晋东
朱景宝
刘艳琼
孙文韬
李水龙
曾奎原
汪云龙
姚鹍鹏
李山有
《中国铁道科学》
EI
CAS
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部