基于LSTM-RNN的地震前兆数据异常检测新方法

作者：蔡寅,Mei-Ling Shyu,涂钥轩,滕云田,胡星星

摘要：研究地震前兆数据的异常变化是地震短临预测的基础,本文提出一种地震前兆数据的异常智能检测新方法,利用长短期记忆单元的递归神经网络(LSTMRNN)构建数据趋势变化预测模型,通过模型预测的误差来提取数据的异常变化。该方法不需要对原始数据进行预处理,也不需要对异常数据判断的经验积累,适用于各类不同长度的地震前兆数据异常检测。通过使用三类真实的前兆观测数据的进行方法检验,将机器检测结果与人工识别结果进行对比分析,试验结果表明,基于LSTM-RNN的异常检测方法能够准确识别各类异常,可以代替人工用于地震前兆数据的异常检测。

发文机构：中国地震局地球物理研究所 山东省地震局 美国迈阿密大学电子与计算机工程学院

关键词：地震前兆数据深度学习LSTM-RNN预测模型异常检测Earthquake precursor datadeep learningLSTM-RNNprediction modelanomaly detect io n

分类号： P31[天文地球—固体地球物理学][天文地球—地球物理学]