基于AdaBoost集成学习的强震动观测抗干扰技术研究

作者：庞聪,江勇,廖成旺,吴涛,丁炜,王磊

摘要：为提高强震仪的抗干扰能力,基于分类、决策的机器学习中的AdaBoost集成学习方法,设计一种强震动数据抗干扰算法,以解决基于决策树的强震动数据抗干扰算法存在的易过拟合、分类准确度不高等问题。从天然地震动与人工干扰下的强震动数据中提取出若干个特征(波形对称度、卓越频率、最大增长速度等),形成一一对应的训练样本特征集与事件属性集;初始化权重分布,持续利用AdaBoost技术更新样本权重分布,以增加较难分辨样本的权重值,然后将若干个弱分类器训练为一个强分类器,达到提高强震仪抗干扰准确度的目的。此方法分类准确度较高,具有较强的环境适应性,对于推动强震观测仪器智能化实现、促进土木工程结构防震减灾技术发展具有一定现实意义。

发文机构：中国地震局地震研究所中国地震局地震大地测量重点实验室 湖北省地震局地震预警湖北省重点实验室

关键词：强震仪抗干扰ADABOOST机器学习特征识别strong seismographanti-jamming technologyadaboostmachine learningfeature recognition

分类号： P315.6[天文地球—地震学]