Труды КНЦ вып.8 (ГЕЛИОФИЗИКА вып. 7/2017(8))

Схема работы В качестве критерия для решения данной задачи было предложено использовать огибающие записей событий в совокупности с алгоритмом распознавания образов. Огибающая рассчитывается как усредненная в окне амплитуда предварительно фильтрованного сигнала. При просмотре данных автоматического детектора становится очевидно, что большинство ложных событий легко отличить по их волновой форме, без использования спектрограмм и др., а огибающая является хорошим критерием «формы» события. Но для ее использования нужны нетривиальные алгоритмы сравнения или распознавания. В качестве такого алгоритма был выбран перцептрон с одним скрытым слоем [1]. Перцептрон является одной из самых простых нейронных сетей, но, как показывает практика, достаточно хорошо справляется с данной задачей. Структура такого перцептрона определяется как: где I — вектор входных значений, Н — вектор значений скрытого слоя, О — выходной вектор значений, W0, W\ — матрицы весов, / — поэлементная пороговая функция (в нашем случае гиперболический тангенс). В качестве входных значений берутся значения отсчетов огибающей сигнала. Выходом является вектор длиной 2, значения элементов которого показывают принадлежность сигнала к классу сейсмических событий и шумов соответственно. В процессе обучения подбираются такие значения весовых матриц, при которых выход нейронной сети соответствует желаемому. Процедура подготовки данных состоит из следующих этапов: 1. Автоматический детектор обнаруживает событие и определяет моменты приходов первичной (Р) и вторичной (S) волн. 2. Считается усредненная амплитуда сигнала. Р S Рис. 1. Пример огибающей сигнала. Синими линиями указаны моменты приходов первичной (Р) и вторичной (S) волн H = f ( w 0 - I ) 0 = f (W l -H) 1 п где Ant — амплитуда сигнала, фильтрованного полосовым фильтром, п — полуширина окна суммирования в отсчетах. 148