施佳朋 黄汉明 薛思敏 黎炳君

（广西师范大学计算机科学与信息工程学院 桂林 541004）

1 引言

完整的地震目录对强震预测和地震学的研究有着重要的意义，快速准确地对天然地震和人工爆破也是地震速报中的一项重要工作，人工爆破所产生的地震信号，如果不能及时剔除，会影响往后地震学的研究［1］。故对天然地震与人工爆破的分类识别的研究是很有必要的。

多年来，在对天然地震信号的分类识别领域中，国内外许多学者对地震信号进行了广泛的研究工作，如基于小波特征研究和经验模态分解的研究［2～3］，基于集成算法和广义S变换的研究［4～5］，运用BP神经网络研究［6～7］，首都圈地区爆破、矿塌和天然地震的识别研究［8］，使用各种机器学习方法对地震信号处理［9～10］，利用深度学习对地震信号研究［11～15］等工作，均取得了不错的效果，这些研究者们都提供了许多研究方向启示。本文尝试以小波包分解的奇异值熵分量为特征，基于PSO-SVM模型，来对天然地震信号分类识别进行研究。

支持向量机在各个领域都有着广泛的应用，地震信号领域的学者们也尝试使用基于支持向量机方法来研究地震［16～17］，但是SVM分类性能受到惩罚参数c和核函数参数g的选择影响，故本文使用引入寻优算法来对参数进行优化以获得最优参数值，避免对参数的盲目选择，经过实验，构建的PSO-SVM模型，表现出了良好的效果。

2 地震信号的特征提取方法

2.1 小波包分解

小波包分解是小波变换的扩展，与传统方法相比，小波包分解能提高信号的时频分辨率，尽可能保留有效信号不丢失，实现对非平稳信号更加精细的分析［18］。……