（上海工程技术大学 电子电气工程学院，上海 201620）

传统地震仪可以提供地震发生时间、地震波相关数据等必要信息，能帮助迅速判断地震震级等内容，为预警与后续救灾措施提供帮助。但是宽频带地震仪在需要密切关注的强震预测方面表现不佳。文献[1]中指出强震会导致传统地震仪数据缺失，无法完整反映相关数据，且难以准确获得地壳形变信息，并提出引入强震仪数据作为补充手段，完善预警能力。文献[2]中同样提到了了强震仪数据对传统地震仪的补足能力。文献[3]给出了利用长短期神经网络对补全GPS 数据的办法。而在深度学习方面，文献[4]早已证实卷积神经网络与长短期神经网络的联合使用，并加以验证。文献[5]则是机器学习领域在地震预警方面的应用，结合分类算法与数学优化算法来尝试解决复杂的地震预测问题。

本文认为可以通过把卷积神经网络出色的特征提取能力与长短期记忆神经网络在时间序列数据方面的学习能力结合在一起，学习地震监测时间序列数据与震级之间的关系。借鉴孪生神经网络的设计思想，来快速预测震级。以下将就该神经网络模型如何实现进行说明。

1 实验结构

将地震震级预测看成一个多分类问题来求解。

考虑到数据分传统GPS 数据与strong-motion（强震）数据，因此作为将两个输入作为一组样本，一起放入神经网络模型中进行训练与测试。由于GPS 数据与strong-motion数据在时间间隔、基站经纬度，甚至部分海拔高度也不尽相同，因此，包括与地震波相关的N、E、U三个方向上的差异量在内，额外增加经度、纬度、海拔高度、时间间隔等共七个特征数据，形成时间序列，以地震震级作为标签。……