文章详情

摘要

研究提出了一种基于CNN-LSTM-CBAM模型的地震前兆重力数据异常检测方法。地震前兆重力数据的异常检测对于提高地震预测的及时性至关重要。使用CNN提取重力数据的空间特征，利用LSTM捕捉时间序列中的长期依赖关系，引入CBAM注意力机制，增强模型对重要特征的关注能力，进而提升异常检测的性能。与AutoEncoder、CNN、LSTM、CNN-LSTM异常检测方法进行实验对比，文章所提模型在MAE、MSE、RMSE和R2等指标上显著优于其他模型。该模型有效识别潜在的异常数据，为地震风险管理与预警提供了可靠基础，研究为地震前兆数据分析提供了新思路。

关键词

地震前兆异常；重力数据；时间序列；LSTM；注意力机制

参考文献

1. [1] 李艳娥.基于孕震过程追踪的强震预测方法研究 [D].北京：中国地震局地球物理研究所，2023.
2. [2] 徐锡统.地震扰动下地球多圈层异常分析及其演化模式研究 [D].长春：吉林大学，2024.
3. [3] 池成全.钻孔应变前兆观测数据分析与异常提取研究 [D].长春：吉林大学，2020.
4. [4] 辛建村，方炜，杨宜海，等.2021年酒泉阿克塞县MS（S下标）5.5地震前地电场变化分析 [J].地震，2023，43（4）：153-168.
5. [5] 刘杰.基于循环神经网络的汶川地震地下流体前兆识别方法研究 [D].成都：成都理工大学，2021.
6. [6] 孙一书.城市拖曳瞬变电磁数据降噪与反演方法研究 [D].长春：吉林大学，2023.
7. [7] 王洪洲.基于深度学习的地震勘探数据去噪及速度模型反演技术研究 [D].长春：吉林大学，2024.
8. [8] KAVIANPOUR P，KAVIANPOUR M，JAHANI E，et al. A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction [J].Journal of Supercomputing，2023，79（17）：19194-19226.
9. [9] ZHANG H，ZHAI H，LIU T T，et al. Short-term Comprehensive Prediction Method for Regional Earthquakes Based on Multi-source Information Fusion [J].Proceedings of the Indian National Science Academy，2024（prepublish）：1-11.
10. [10] BUDAK C，GIDER V. LSTM Based Forecasting of the Next Day's Values of Ionospheric Total Electron Content （TEC） as an Earthquake Precursor Signal [J].Earth Science Informatics，2023，16（3）：2323-2337.
11. [11] LI H Y，LI J H，LI X G，et al. Seismic Picking Attention Module [J].IEEE Transactions on Geoscience and Remote Sensing，2024，62：1-6.
12. [12] MOUDDEN T EL，AMNAI M，CHOUKRI A，et al. Artificial Intelligence for Assessing the Planets' Positions as a Precursor to Earthquake Events [J].Journal of Geodynamics，2024，162：102057.
13. [13] 罗旭辰.基于多源深度学习的地震预测模型研究 [D].成都：电子科技大学，2023.
14. [14] ZHANG J Y，SUN K，ZHU J Q，et al. Application of Model-based Time Series Prediction of Infrared Long-wave Radiation Data for Exploring the Precursory Patterns Associated with the 2021 Madoi Earthquake [J].Remote Sensing，2023，15（19）：1-22.
15. [15] 史翔宇.基于机器学习回归算法的地震预测研究及其在中国地震科学实验场的应用 [D].北京：中国地震局地震预测研究所，2021.

作者简介

邢乾龙（1999—），男，汉族，河南商丘人，硕士在读，研究方向：地震前兆异常、大数据处理、深度学习；通信作者：刘庆杰（1978—），男，汉族，河南洛阳人，教授，硕士，研究方向：大数据处理。