论文部分内容阅读
地震、海啸、火山等地质灾害在形成初期和爆发期均伴随有各自特征的次声波。与此同时,在数据挖掘技术的众多算法中,聚类算法因为具有寻找无序数据集规则的特点而成为关键技术之一。分析不同种类的地质灾害产生的次声波在大气中传播的特性,对收集到的地灾次声信号进行多种数字信号处理方法,获取相同种类地灾次声信号类似,不同种类的地灾次声信号区别明显的显著特征,将同种地灾的次声信号聚为一类,从而达到寻找地灾次声信号最佳特征以及区分地灾种类的目的,这对提高监测地质灾害精确度具有重要意义。根据次声信号聚类系统,数字地灾次声信号的收集是本次研究的基础,数字次声信号特征提取技术和聚类算法是本次研究的重点内容,评估聚类效果方法是得出合理结论的关键。本次研究的地灾次声信号通过地灾发生的世界标准时间准确定位地灾次声信号发生时间段,并由全面禁止核试验条约组织提供,与禁核试北京国家数据中心合作,获取数字次声信号数据。小波变换和希尔伯特-黄变换做为数字信号处理中时频分析的代表方法是本次研究使用的数字次声信号特征提取方法。选取小波变换,将数字地灾次声信号的能量谱作为次声信号特征向量之一。通过希尔伯特-黄变换,提取次声信号的多个本征模态函数,并将本征模态函数信号的边际谱中显著的频率作为地灾次声信号的另一个特征向量。通过比较基于划分的聚类算法,基于层次的聚类算法,基于密度的聚类算法,基于模型的聚类算法区分不同地灾次声信号的正确率,运行时间以及CH指标,从而验证将次声信号聚类系统应用于区分地灾事件的可行性和有效性。本次研究以地震、海啸、火山三种地灾次声作为研究对象,以次声特征和聚类算法为变量,得出以本征模态函数分量显著频率为次声特征,以曼哈顿距离度量,Average Linkage为簇间度量的参数组合的AGNES算法的区分地灾种类的正确率最高,可达到0.93,从而证明可以将次声信号聚类系统用于区分地灾种类中。期望本研究的成果可以对次声信号的实际应用有一定的参考作用。