基于EMD-VMD-LSTM的地震信号分类研究

• 作者: 施佳朋 黄汉明 薛思敏 黎炳君 袁雪梅
• 来源期刊: 传感器与微系统
• 关键词: 地震信号 分类研究 经验模态分解(EMD) 变分模态分解(VMD) 长短期记忆(LSTM)网络
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 研究与探讨|Research & Approach
• 页码范围: 57-59,62
• 页数: 4页
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2021)06-0057-03

摘要

针对地震信号分类问题,提出了一种基于经验模态分解-变分模态分解-长短期记忆(EMD-VMD-LSTM)的地震信号分类研究的模型.首先利用EMD和VMD分别提取地震信号的前5个本征模态分量;然后对提取出来的每个本征模态分量求出其熵值,作为分类特征;最后把分类特征输入到LSTM网络中,构成EMD-VMD-LSTM分类模型,对地震信号进行分类实验.实验结果表明:该分类模型对比单一分解方法模型,对地震信号进行分类研究更为有效.