| 摘要 | 第3-4页 |
| Abstract | 第4-8页 |
| 第1章绪论 | 第8-14页 |
| 1.1地震信号研究的背景及意义 | 第8-10页 |
| 1.2国内外研究现状 | 第10-12页 |
| 1.3本文工作内容和结构安排 | 第12-14页 |
| 第2章基于EMD-VMD-LSTM的地震信号分类 | 第14-26页 |
| 2.1地震信号的数据预处理 | 第15-17页 |
| 2.2对地震信号的分解处理和特征提取 | 第17-20页 |
| 2.2.1对地震信号的EMD分解处理 | 第17-18页 |
| 2.2.2对地震信号的VMD分解处理 | 第18-20页 |
| 2.2.3对分解后的地震信号特征提取 | 第20页 |
| 2.3LSTM的原理与训练设置 | 第20-23页 |
| 2.4EMD-VMD-LSTM的搭建 | 第23-24页 |
| 2.5实验结果与分析 | 第24-25页 |
| 2.6本章小结 | 第25-26页 |
| 第3章基于熵分量特征的地震信号分类 | 第26-37页 |
| 3.1熵分量特征 | 第26页 |
| 3.2实验模型的搭建 | 第26-35页 |
| 3.2.1对数据的预处理 | 第26页 |
| 3.2.2支持向量机原理 | 第26-27页 |
| 3.2.3对支持向量机的优化 | 第27-30页 |
| 3.2.4实验步骤 | 第30-35页 |
| 3.3实验结果与分析 | 第35-36页 |
| 3.4本章小结 | 第36-37页 |
| 第4章基于时频图与深度学习的地震信号分类和软件设计 | 第37-50页 |
| 4.1对地震信号的时频变换处理 | 第38-41页 |
| 4.1.1地震信号数据预处理 | 第38页 |
| 4.1.2对地震信号的短时傅里叶变换处理 | 第38-39页 |
| 4.1.3对地震信号的连续小波变换处理 | 第39-40页 |
| 4.1.4对地震信号的S变换处理 | 第40-41页 |
| 4.2深度学习与时频图的分类实验 | 第41-45页 |
| 4.2.1使用VGG16与时频图的分类实验 | 第41-43页 |
| 4.2.2使用Resnet50与时频图的分类实验 | 第43-45页 |
| 4.3实验结果与分析 | 第45-46页 |
| 4.4地震信号分类处理软件的设计 | 第46-49页 |
| 4.5本章小结 | 第49-50页 |
| 第5章总结与展望 | 第50-52页 |
| 5.1总结 | 第50-51页 |
| 5.2展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间取得的科研成果和获得奖项 | 第56-57页 |
| 致谢 | 第57-58页 |