基于LSTM-RNN的地震前兆數據異常檢測新方法

作者：蔡寅,Mei-Ling Shyu,涂鑰軒,滕云田,胡星星

摘要：研究地震前兆數據的異常變化是地震短臨預測的基礎,本文提出一種地震前兆數據的異常智能檢測新方法,利用長短期記憶單元的遞歸神經網絡(LSTMRNN)構建數據趨勢變化預測模型,通過模型預測的誤差來提取數據的異常變化。該方法不需要對原始數據進行預處理,也不需要對異常數據判斷的經驗積累,適用于各類不同長度的地震前兆數據異常檢測。通過使用三類真實的前兆觀測數據的進行方法檢驗,將機器檢測結果與人工識別結果進行對比分析,試驗結果表明,基于LSTM-RNN的異常檢測方法能夠準確識別各類異常,可以代替人工用于地震前兆數據的異常檢測。

發文機構：中國地震局地球物理研究所 山東省地震局 美國邁阿密大學電子與計算機工程學院

關鍵詞：地震前兆數據深度學習LSTM-RNN預測模型異常檢測Earthquake precursor datadeep learningLSTM-RNNprediction modelanomaly detect io n

分類號： P31[天文地球—固體地球物理學][天文地球—地球物理學]