龚燕民
- 作品数：7 被引量：5H指数：2
- 供职机构：河北省地震局更多>>
- 发文基金：湖北省自然科学基金中央级公益性科研院所基本科研业务费专项中国地震局地震科技星火计划更多>>
- 相关领域：天文地球自动化与计算机技术机械工程更多>>
- 一种GOA优化SOM神经网络的VP型倾斜仪故障智能诊断方法被引量：4
- 2023年
- 提出一种VP型倾斜仪故障智能诊断方法。利用经验模态分解(EMD)将归一化故障信号分解为6个本征模态函数(IMF),分别计算其近似熵,构建EMD多尺度近似熵输入矩阵;结合蝗虫优化算法(GOA)对自组织特征映射(SOM)神经网络的参数进行优化,将得到的GOA最优值嵌入到SOM模型中,组建GOA-SOM诊断模型。应用诊断测试集得到诊断目标的聚类标签值,将其与训练集的聚类标签以及真实故障类型进行比对,得到故障诊断结果。结果证明,GOA-SOM模型在100次随机抽样条件下的诊断正确率均值和标准差分别为99.329 7%、1.218 8,优于传统诊断模型。
- 庞聪马武刚马武刚龚燕民刘晓磊龚燕民廖成旺
- 关键词：自组织特征映射神经网络
- 易县地震台分量钻孔应变观测数据分析
- 2021年
- 选取易县地震台YRY-4型分量式钻孔应变仪2012—2020年观测数据,进行Venedikov调和分析,并对2015—2020年四分量数据S_(1)、S_(2)、S_(3)、S_(4)进行自洽检验,发现应变观测数据连续性、可靠性较高。选取该台2018—2019年钻孔应变原始数据S_(1)、S_(2)、S_(3)、S_(4),利用面应变S_(1)+S_(3)、S_(2)+S_(4)相关系数,分析河北省3次ML≥4.0地震前数据异常变化,并利用剪应变S_(1)-S_(3)、S_(2)-S_(4)的大小,分析受抽水干扰的NE分量主应力方位角,判断干扰源方位,结果发现:①面应变与剪应变在地震发生前均会出现异常变化,且剪应变异常变化幅度较大,应与震中相对于观测井的位置有关;②对于受抽水干扰的钻孔应变NE分量,利用剪应变固体潮数据推算主应力方位角,可得干扰源在钻孔应变观测室NW80.96°方位,与实际位置存在一定偏差。
- 龚燕民张娜
- 关键词：面应变剪应变
- 易县地震台伸缩仪NE分量异常分析
- 2024年
- 易县地震台伸缩仪NE分量自2022年10月以来变化趋势发生转折,呈现张性趋势变化,总体变化幅度达2.1×10-6。为明确异常变化的原因,对观测数据质量和环境干扰等影响因素进行分析论证,利用不同的荷载模型定量计算3项干扰源对伸缩仪产生的应变影响。综合各项因素认为,易县地震台伸缩仪NE分量的异常变化为前兆异常的可能性较大,需要对该测项的后续变化加强跟踪分析。
- 屈曼侯晓真马栋高晨张娜龚燕民
- 关键词：潮汐因子伸缩仪荷载模型
- 涉县地震台数字化观测与模拟观测资料对比研究
- 2009年
- 介绍了涉县地震台站基本现状及其形变数字化仪器改造情况,并从长期趋势、短期趋势和固体潮形态变化等方面对涉县台形变模拟观测和数字化观测资料进行形态对比,对数模两种观测资料的连续性、稳定性、一致性和固体潮观测精度进行分析研究,得出数字化资料总体评价结论。针对涉县数字化资料存在的问题和解决办法提出具体建议。
- 张娜马广庆龚燕民张冀东关华李明威
- 关键词：地壳形变数字化模拟观测资料
- 基于载荷模型的易县地震台伸缩仪NS向异常变化定量分析
- 2021年
- 在日常会商分析数据过程中,发现易县地震台伸缩仪NS向自2021年3月26日以来张性变化速率及幅度增大。为做好震情跟踪及异常性质研判工作,河北省地震局联合保定中心站、易县地震台进行现场踏勘,应用3种荷载计算模型对可能造成该影响的干扰源进行定量分析。根据模型计算结果、时间相关性及后续伸缩仪NS向曲线变化形态,综合分析认为,3月26日至4月9日伸缩仪NS向异常变化是由周围两处山坡梯田改造引起。
- 侯晓真屈曼屈曼陈建国马栋张娜陈建国齐玉妍刘晓磊
- 关键词：伸缩仪
- 唐山老震区中强地震流动重力异常研究
- 2016年
- 选取唐山老震区1992—2014年的流动重力,绘制重力场测值空间变化等值线和时序变化曲线,结合唐山地区4次M≥5.0地震进行异常分析。发现震前有如下特征:(1)流动重力观测资料均有较为明显的前兆异常反应;(2)地震均发生在重力变化的"0"等值线附近。
- 张娜龚燕民宋志刚
- 关键词：等值线
- VP型宽频带倾斜仪故障信号的BBA-SOM智能诊断被引量：2
- 2023年
- 针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题,提出以互补集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)多尺度近似熵和二进制蝙蝠算法(binary bat algorithm,BBA)优化SOM神经网络参数的VP型倾斜仪故障诊断新方。首先,将归一化后的仪器故障信号进行CEEMD分解,对6阶本征模态函数(intrinsic mode function,IMF)求取多尺度近似熵值;然后将网络输入法按比例分为训练集和测试集,以训练集的识别率为适应度函数,应用二进制蝙蝠算法(binary bat algorithm,BBA)优化SOM神经网络的竞争层维数和网络训练次数;最后应用上述得到的BBA-SOM网络模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMD多尺度近似熵判据对倾斜仪故障特征的区分效果符合预期;相对于朴素贝叶斯、AdaBoost集成学习与LDA等学习模型,BBA-SOM模型可以准确进行故障诊断;该方法对实现VP型倾斜仪故障的自动诊断有重要现实意义。
- 马武刚庞聪庞聪刘晓磊
- 关键词：自组织特征映射神经网络
