CN105510971A - 一种基于随机漫步的地震数据异常检测方法 - Google Patents
一种基于随机漫步的地震数据异常检测方法 Download PDFInfo
- Publication number
- CN105510971A CN105510971A CN201610089255.9A CN201610089255A CN105510971A CN 105510971 A CN105510971 A CN 105510971A CN 201610089255 A CN201610089255 A CN 201610089255A CN 105510971 A CN105510971 A CN 105510971A
- Authority
- CN
- China
- Prior art keywords
- data point
- value
- current
- walk
- random
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 18
- 238000005295 random walk Methods 0.000 title claims abstract description 10
- 238000001514 detection method Methods 0.000 title claims abstract description 5
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims description 18
- 230000002547 anomalous effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于随机漫步的地震数据异常检测方法。首先对时间序列数据根据窗口来提取随机漫步概率分布,然后根据当前数据点前后的2个窗口的概率变化比值来分析当前数据点前后的数据变化情况,以有效的识别当前数据点前后的异常变化特征,用来研究异常特征与地震发生之前的关系。本发明方法能有效的识别当前数据点前后的异常变化特征,可以用来研究异常特征跟地震发生之前的关系。
Description
技术领域
本发明涉及一种基于随机漫步的地震数据异常检测方法。
背景技术
随着科学技术的发展,地震监测产生越来越多的地面监测数据和卫星监测数据,卫星红外遥感技术作为新兴的对地观测手段已经应用到地震科学的各个领域中,然而对震前各种监测数据异常的研究一直都缺乏大量的震例及多种遥感数据综合分析.为了更好的分析和提取这些数据中蕴含的与地震相关的异常信息。本发明专利提出一种基于随机漫步的地震数据异常检测方法。该发明能够分析时间序列格式的各类地震监测数据,供地震研究人员研究这些异常跟地震之间的关系。
发明内容
本发明的目的在于提供一种基于随机漫步的地震数据异常检测方法,能有效的识别当前数据点前后的异常变化特征,可以用来研究异常特征跟地震发生之前的关系。
为实现上述目的,本发明的技术方案是:一种基于随机漫步的地震数据异常检测方法,首先对时间序列数据根据窗口来提取随机漫步概率分布,然后根据当前数据点前后的2个窗口的概率变化比值来分析当前数据点前后的数据变化情况,以有效的识别当前数据点前后的异常变化特征,用来研究异常特征与地震发生之前的关系。
在本发明一实施例中,所述当前数据点前后的2个窗口的概率变化比值定义为CRRW值,CRRW值越大,表示当前数据点前后的变化越大。
在本发明一实施例中,该方法适用于时间序列地震数据的异常检测。
在本发明一实施例中,该方法具体实现步骤如下:
S1:根据等概率分布,选择一个窗口大小ws,判断当前监测数据点的值是否大于或等于前一个数据点的值,若是,则当前监测数据点的值定义为随机漫步的向右走,否则,当前监测数据点的值定义为随机漫步的向左走;
S2:选择当前监测数据点前ws数据点及后ws数据点,并定义前ws数据点所在的第一窗口定义为wd1,后ws数据点所在的第二窗口定义为wd2,则通过下述随机游走概率分布公式,可分别计算获得wd1及wd2的当前数据点根据随机游走的概率分布:
其中,,的范围是到,是组合运算,参数;
S3:定义当前数据点前后的2个窗口wd1、wd2的概率变化比值CRRW:
其中,和分别为参数即窗口大小ws的取值范围的下限和上限,表示对窗口大小从到分别计算概率分布情况,然后求和得到CRRW值;CRRW代表当前数据点前后的概率变化率;CRRW值越大,则表明当前数据点前后的异常变化越大。
在本发明一实施例中,所述和的取值分别为30和45。
相较于现有技术,本发明具有以下有益效果:本发明方法能有效的识别当前数据点前后的异常变化特征,可以用来研究异常特征跟地震发生之前的关系。
附图说明
图1为本发明方法的流程图。
图2(a)及2(b)为本发明汶川地震分析结果图,其中,图2(a)为表明无法发现异常,图2(b)表明震前出现大的异常值。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明的一种基于随机漫步的地震数据异常检测方法,首先对时间序列数据根据窗口来提取随机漫步概率分布,然后根据当前数据点前后的2个窗口的概率变化比值来分析当前数据点前后的数据变化情况,以有效的识别当前数据点前后的异常变化特征,用来研究异常特征与地震发生之前的关系。
在本发明中,所述当前数据点前后的2个窗口的概率变化比值定义为CRRW值,CRRW值越大,表示当前数据点前后的变化越大。
在本发明中,该方法适用于时间序列地震数据的异常检测。
在本发明中,该方法具体实现步骤如下:
S1:根据等概率分布,选择一个窗口大小ws,判断当前监测数据点的值是否大于或等于前一个数据点的值,若是,则当前监测数据点的值定义为随机漫步的向右走,否则,当前监测数据点的值定义为随机漫步的向左走;
S2:选择当前监测数据点前ws数据点及后ws数据点,并定义前ws数据点所在的第一窗口定义为wd1,后ws数据点所在的第二窗口定义为wd2,则通过下述随机游走概率分布公式,可分别计算获得wd1及wd2的当前数据点根据随机游走的概率分布:
其中,,的范围是到,是组合运算,参数;
S3:定义当前数据点前后的2个窗口wd1、wd2的概率变化比值CRRW:
其中,和分别为参数即窗口大小的取值范围的下限和上限,表示对窗口大小从到分别计算概率分布情况,然后求和得到CRRW值;CRRW代表当前数据点前后的概率变化率;CRRW值越大,则表明当前数据点前后的异常变化越大。
在本发明中,所述和的值分别为30和45。
以下为本发明的具体实施例。
利用汶川地震的长波辐射数据与2.5°x2.5°分辨率为例,具体的算法步骤如下。
根据等概率分布(步行走左到右),我们选择一个窗口大小WS=30。如果当前的监测数据值大于或等于以前的数据点,我们认为它是位于右。否则,该值位于左侧。窗口1(WD1)为当前数据点之前的WS个数据点和窗口2(当前数据点之后的WS个数据点)。我们可以确定rw(WD1)和rw(WD2)为当前数据点根据随机游走的概率分布。然后,我们可以计算每个数据点的值:
其中,和分别为参数即窗口大小的取值范围的下限和上限,表示对窗口大小从到分别计算概率分布情况,然后求和得到CRRW值。CRRW代表当前数据点前后的概率变化率;CRRW值越大,则表明当前数据点前后的异常变化越大。
“rw”的计算方法见下式:
其中,的范围是到,是组合运算,参数;公式中的n为窗口的大小WS。如何设置窗口大小WS,我们选择WS为从30-45的每一个值,即和的值为30和45,对他们分别计算CRRW值,然后求他们的均值。具体分析结果见附图2所示。竖线表示汶川地震事件时间点,图2(a)无法发现异常,图2(b)在震前出现大的异常值。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (5)
1.一种基于随机漫步的地震数据异常检测方法,其特征在于:首先对时间序列数据根据窗口来提取随机漫步概率分布,然后根据当前数据点前后的2个窗口的概率变化比值来分析当前数据点前后的数据变化情况,以有效的识别当前数据点前后的异常变化特征,用来研究异常特征与地震发生之前的关系。
2.根据权利要求1所述的一种基于随机漫步的地震数据异常检测方法,其特征在于:所述当前数据点前后的2个窗口的概率变化比值定义为CRRW值,CRRW值越大,表示当前数据点前后的变化越大。
3.根据权利要求1或2所述的一种基于随机漫步的地震数据异常检测方法,其特征在于:该方法适用于时间序列地震数据的异常检测。
4.根据权利要求1所述的一种基于随机漫步的地震数据异常检测方法,其特征在于:该方法具体实现步骤如下:
S1:根据等概率分布,选择一个窗口大小ws,判断当前监测数据点的值是否大于或等于前一个数据点的值,若是,则当前监测数据点的值定义为随机漫步的向右走,否则,当前监测数据点的值定义为随机漫步的向左走;
S2:选择当前监测数据点前ws数据点及后ws数据点,并定义前ws数据点所在的第一窗口定义为wd1,后ws数据点所在的第二窗口定义为wd2,则通过下述随机游走概率分布公式,可分别计算获得wd1及wd2的当前数据点根据随机游走的概率分布:
;
S3:定义当前数据点前后的2个窗口wd1、wd2的概率变化比值CRRW:
其中,和分别为参数即窗口大小ws的取值范围的下限和上限,表示对窗口大小从到分别计算概率分布情况,然后求和得到CRRW值;CRRW代表当前数据点前后的概率变化率;CRRW值越大,则表明当前数据点前后的异常变化越大。
5.根据权利要求4所述的一种基于随机漫步的地震数据异常检测方法,其特征在于:所述和的取值分别为30和45。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610089255.9A CN105510971A (zh) | 2016-02-18 | 2016-02-18 | 一种基于随机漫步的地震数据异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610089255.9A CN105510971A (zh) | 2016-02-18 | 2016-02-18 | 一种基于随机漫步的地震数据异常检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105510971A true CN105510971A (zh) | 2016-04-20 |
Family
ID=55719079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610089255.9A Pending CN105510971A (zh) | 2016-02-18 | 2016-02-18 | 一种基于随机漫步的地震数据异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105510971A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6094619A (en) * | 1997-07-04 | 2000-07-25 | Institut Francais Du Petrole | Method for determining large-scale representative hydraulic parameters of a fractured medium |
CN102741895A (zh) * | 2010-01-19 | 2012-10-17 | 瑞士再保险有限公司 | 自动进行位置相关的自然灾害预报的方法和系统 |
CN103095711A (zh) * | 2013-01-18 | 2013-05-08 | 重庆邮电大学 | 一种针对网站的应用层DDoS攻击检测方法和防御系统 |
CN104317681A (zh) * | 2014-09-02 | 2015-01-28 | 上海交通大学 | 针对计算机系统的行为异常自动检测方法及检测系统 |
-
2016
- 2016-02-18 CN CN201610089255.9A patent/CN105510971A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6094619A (en) * | 1997-07-04 | 2000-07-25 | Institut Francais Du Petrole | Method for determining large-scale representative hydraulic parameters of a fractured medium |
CN102741895A (zh) * | 2010-01-19 | 2012-10-17 | 瑞士再保险有限公司 | 自动进行位置相关的自然灾害预报的方法和系统 |
US20130035859A1 (en) * | 2010-01-19 | 2013-02-07 | Swiss Reinsurance Company Ltd. | Method and system for automated location dependent natural disaster forecast |
CN103095711A (zh) * | 2013-01-18 | 2013-05-08 | 重庆邮电大学 | 一种针对网站的应用层DDoS攻击检测方法和防御系统 |
CN104317681A (zh) * | 2014-09-02 | 2015-01-28 | 上海交通大学 | 针对计算机系统的行为异常自动检测方法及检测系统 |
Non-Patent Citations (3)
Title |
---|
詹晓珊 等: "CUSUM算法在NOAA卫星数据震前异常分析中的应用", 《计算机应用与软件》 * |
詹晓珊: "地震前后遥感数据遗异常分析", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
陈丽萍 等: "基于滑动窗口的几何移动平均鞅算法在震前异常分析中的应用", 《计算机应用》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20130318011A1 (en) | Method for Detecting Anomalies in Multivariate Time Series Data | |
Benz et al. | Hundreds of earthquakes per day: The 2014 Guthrie, Oklahoma, earthquake sequence | |
CN104216350B (zh) | 感测数据分析系统及方法 | |
KR101538843B1 (ko) | 제조 설비의 센서 데이터를 활용한 수율 분석 시스템 및 방법 | |
US20160217379A1 (en) | Shapelet-Based Oilfield Equipment Failure Prediction and Detection | |
Martin-Montoya et al. | Long-range correlations and trends in Colombian seismic time series | |
CN104568122A (zh) | 一种分布式光纤振动传感系统扰动事件识别及定位方法 | |
Yin et al. | A deep learning-based data-driven approach for predicting mining water inrush from coal seam floor using micro-seismic monitoring data | |
CN103034981B (zh) | 基于多时相数据的遥感影像加权回归恢复方法 | |
WO2015131558A1 (zh) | 告警相关性数据挖掘方法和装置 | |
Yaseen et al. | Real-time crowd density mapping using a novel sensory fusion model of infrared and visual systems | |
CN104680140A (zh) | 基于图像的人群聚集状态检测方法 | |
US20150003743A1 (en) | Object detection device and object detection method | |
CN103077401A (zh) | 一种基于光流上下文直方图的异常行为检测方法及系统 | |
CN106131022A (zh) | 一种网络协同攻击风暴源检测方法及装置 | |
CN102262700A (zh) | 基于小波分析的退化数据预处理的产品寿命预测方法 | |
CN103473779A (zh) | 图像中条纹干扰的检测方法和装置 | |
CN111242910A (zh) | 基于张量分解的高光谱遥感影像由粗到精异常检测方法 | |
CN105510971A (zh) | 一种基于随机漫步的地震数据异常检测方法 | |
Kouadri et al. | Variogram-based fault diagnosis in an interconnected tank system | |
CN108038442A (zh) | 一种基于数据挖掘的微震信号的识别方法 | |
US11022707B2 (en) | Method of determining earthquake event and related earthquake detecting system | |
JP2011215806A (ja) | 煙検出装置 | |
Cantzos et al. | Identifying long-memory trends in pre-seismic MHz Disturbances through Support Vector Machines | |
CN103576208A (zh) | 一种面向铀矿床定位的瞬时测氡数据异常提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |