地球物理学报
地毬物理學報
지구물이학보
2010年
8期
2004-2011
,共8页
邓小英%杨顶辉%刘涛%李月%杨宝俊
鄧小英%楊頂輝%劉濤%李月%楊寶俊
산소영%양정휘%류도%리월%양보준
支持向量机%Ricker子波核%最小二乘支持向量回归滤波系统%频率响应%随机噪声
支持嚮量機%Ricker子波覈%最小二乘支持嚮量迴歸濾波繫統%頻率響應%隨機譟聲
지지향량궤%Ricker자파핵%최소이승지지향량회귀려파계통%빈솔향응%수궤조성
支持向量机(Support Vector Machine: SVM)一直作为机器学习方法在统计学习理论基础上被研究和发展,本文从信号与系统的角度出发,证明了平移不变核最小二乘支持向量机(Least Squares SVM: LS-SVM)是一个线性时不变系统.以Ricker子波核为例,探讨了不同参数对最小二乘支持向量回归(Least Squares Support Vector Regression: LS-SVR)滤波器频率响应特性的影响,这些参数的不同选择相应地控制着滤波器通带上升沿的陡峭性、通带的中心频率、通带带宽以及信号能量的衰减,即滤波器长度越长通带的上升沿越陡,核参数值越大通带的中心频率越高,且通带带宽越宽,正则化参数值越小,通带带宽越窄(但通带中心频率基本保持恒定),有效信号幅度衰减越严重.合成地震记录的仿真实验结果表明,Ricker子波核LS-SVR滤波器在处理地震勘探信号的应用中,滤波性能优于径向基函数(Radial Basic Function: RBF)核LS-SVR滤波器以及小波变换滤波和Wiener滤波方法.
支持嚮量機(Support Vector Machine: SVM)一直作為機器學習方法在統計學習理論基礎上被研究和髮展,本文從信號與繫統的角度齣髮,證明瞭平移不變覈最小二乘支持嚮量機(Least Squares SVM: LS-SVM)是一箇線性時不變繫統.以Ricker子波覈為例,探討瞭不同參數對最小二乘支持嚮量迴歸(Least Squares Support Vector Regression: LS-SVR)濾波器頻率響應特性的影響,這些參數的不同選擇相應地控製著濾波器通帶上升沿的陡峭性、通帶的中心頻率、通帶帶寬以及信號能量的衰減,即濾波器長度越長通帶的上升沿越陡,覈參數值越大通帶的中心頻率越高,且通帶帶寬越寬,正則化參數值越小,通帶帶寬越窄(但通帶中心頻率基本保持恆定),有效信號幅度衰減越嚴重.閤成地震記錄的倣真實驗結果錶明,Ricker子波覈LS-SVR濾波器在處理地震勘探信號的應用中,濾波性能優于徑嚮基函數(Radial Basic Function: RBF)覈LS-SVR濾波器以及小波變換濾波和Wiener濾波方法.
지지향량궤(Support Vector Machine: SVM)일직작위궤기학습방법재통계학습이론기출상피연구화발전,본문종신호여계통적각도출발,증명료평이불변핵최소이승지지향량궤(Least Squares SVM: LS-SVM)시일개선성시불변계통.이Ricker자파핵위례,탐토료불동삼수대최소이승지지향량회귀(Least Squares Support Vector Regression: LS-SVR)려파기빈솔향응특성적영향,저사삼수적불동선택상응지공제착려파기통대상승연적두초성、통대적중심빈솔、통대대관이급신호능량적쇠감,즉려파기장도월장통대적상승연월두,핵삼수치월대통대적중심빈솔월고,차통대대관월관,정칙화삼수치월소,통대대관월착(단통대중심빈솔기본보지항정),유효신호폭도쇠감월엄중.합성지진기록적방진실험결과표명,Ricker자파핵LS-SVR려파기재처리지진감탐신호적응용중,려파성능우우경향기함수(Radial Basic Function: RBF)핵LS-SVR려파기이급소파변환려파화Wiener려파방법.