检索结果-维普期刊中文期刊服务平台

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... 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

基于卷积神经网络的单台震中距估计: 2; 作者李山有王禹轩 +3 位作者宋晋东姚鹍鹏黄鹏杰朱景宝《世界地震工程》北大核心 2025年第4期95-105,共11页; 单台震中距估计是现场地震预警的重要工作之一。针对传统的B-Δ方法在震中距估计中存在的利用P波信息有限且预测误差较大的局限性,使用日本K-NET台网的强震动数据,将3 s时间窗长度的三分量加速度波形作为输入,利用卷积神经网络直接从波... 展开更多; 关键词地震预警机器学习卷积神经网络震中距估计 P波归一化; 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: 3; 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... 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：5: 4; 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... 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

题名基于卷积神经网络的单台震中距估计: 2; 作者李山有王禹轩宋晋东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河南辉煌科技股份有限公司安防产品部; 出处《世界地震工程》北大核心 2025年第4期95-105,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(2024B08) 中国国家铁路集团有限公司科技研究开发计划项目(K2024G008)。; 文摘单台震中距估计是现场地震预警的重要工作之一。针对传统的B-Δ方法在震中距估计中存在的利用P波信息有限且预测误差较大的局限性,使用日本K-NET台网的强震动数据,将3 s时间窗长度的三分量加速度波形作为输入,利用卷积神经网络直接从波形中提取特征信息,建立了基于卷积神经网络的单台震中距估计(Convolutional Neural Network for epicentral Distance estimation,CNN-Dis)模型。研究结果表明:在测试数据集中,通过对输入数据和标签进行归一化处理,CNN-Dis模型震中距估计的平均绝对误差和标准差分别是28.119 6和34.682 7 km,且优于未进行归一化处理的模型的性能;对比传统的B-Δ方法,CNN-Dis模型提高了震中距估计的可靠性;与内陆地震事件相比,CNN-Dis模型对于海域地震的震中距估计也有相对可靠的结果。所构建的CNN-Dis模型在一定程度上提高了震中距估计的准确性,为地震预警技术迭代与性能优化提供了有力的支持。; 关键词地震预警机器学习卷积神经网络震中距估计 P波归一化; Keywords earthquake early warning machine learning convolutional neural network epicentral distance estimation P-wave normalization; 分类号 P315.3 [天文地球—地震学] P315.7 [天文地球—地震学] P315.92 [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: 3; 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：5: 4; 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	基于卷积神经网络的单台震中距估计	李山有王禹轩宋晋东姚鹍鹏黄鹏杰朱景宝	《世界地震工程》北大核心	2025	0	在线阅读下载PDF 职称材料
3	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
4	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	5	在线阅读下载PDF 职称材料