一种基于非负矩阵分解的卫星磁场数据地震异常检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110673206A(43)申请公布日2020.01.10(21)申请号201910788471.6(22)申请日2019.08.26(71)申请人吉林大学地址130012吉林省长春市朝阳区前进大街2699号(72)发明人朱凯光樊蒙璇李凯艳贺小丹池成全于紫凝孙慧慧(74)专利代理机构沈阳铭扬联创知识产权代理事务所(普通合伙)21241代理人屈芳(51)Int.Cl.G01V1/28(2006.01)G01V1/00(2006.01)G01V3/08(2006.01)G01V3/38(2006.01)权利要求书4页说明书17页附图7页(54)发明名称一种基于非负矩阵分解的卫星磁场数据地震异常检测方法(57)摘要本发明为一种基于非负矩阵分解的卫星磁场数据地震异常检测方法，包括：根据标志位去除无效数据减去CHAOS-6磁场模型数据，对结果求一阶差分得到差分数据；对差分数据进行短时傅里叶变换构造磁场数据对应的非负时频幅值矩阵；利用非负矩阵分解方法对非负时频幅值矩阵进行分解，将因地震产生的局部影响分量和由于太阳活动以及地磁活动产生的全局影响分量进行分离；根据能量比选出因地震产生的局部影响分量，通过超限率的方法对该分量进行异常轨道判断；对每日异常轨道个数进行累计，通过其偏离背景拟合直线的程度检测地震异常。本发明可以保留并利用测量得到的所有数据对地震进行研究，同时得到与地震活动更为相关的分量有效的进行地震异常检测。CN110673206ACN110673206A权利要求书1/4页1.一种基于非负矩阵分解的卫星磁场数据地震异常检测方法，其特征在于，该方法包括：a、读取卫星的磁场数据，并根据标志位去除无效数据后作为原始数据；b、原始数据减去CHAOS-6磁场模型数据，并对结果求一阶差分得到差分数据；c、对步骤b的差分数据进行短时傅里叶变换构造磁场数据对应的非负时频幅值矩阵；d、利用非负矩阵分解方法对磁场数据的非负时频幅值矩阵进行分解，将因地震产生的局部影响分量和由于太阳活动以及地磁活动产生的全局影响分量进行分离；e、根据能量比选出因地震产生的局部影响分量，并通过超限率的方法对该分量进行异常轨道判断；f、对每日异常轨道个数进行累计，并通过其偏离背景拟合直线的程度检测地震异常；g、输出偏离程度指数曲线结果图。2.按照权利要求1所述的方法，其特征在于，步骤a，读取卫星的磁场数据包括北向X分量Bx，东向Y分量By和垂直Z分量Bz三个分量的数据。3.按照权利要求1所述的方法，其特征在于，步骤b，具体为：用原始数据的Y分量磁场数据减去CHAOS-6磁场模型计算的背景场，得到残差数据，再对残差数据取一阶差分去除剩余小背景值得到磁场的数据的变化量，采用式(1)计算：其中By为原始Y分量磁场数据，Bm为CHAOS-6磁场模型计算的背景场，ti为第i个数据对应的时刻，L为每条轨道数据的长度，为减模型求一阶差分后的预处理结果。4.按照权利要求1所述的方法，其特征在于，步骤c，对差分数据进行短时傅里叶变换构造磁场数据对应的非负时频幅值矩阵包括：通过短时傅里叶变换对预处理后的磁场数据进行时频变换得到包括幅值信息和相位信息的时频矩阵；取幅值构成的时频幅值矩阵作为后续非负矩阵分解的输入矩阵。5.按照权利要求1所述的方法，其特征在于，步骤d，具体包括：通过非负矩阵分解方法将任意一高维非负时频幅值矩阵分解为两个低维的非负矩阵W和H，使得W与H的乘积近似的逼近原高维矩阵V，其中W称为基矩阵，H称为权重矩阵，得到数据的时频分布特征矩阵及时频分布特征矩阵在时域上的幅值；非负矩阵分解方法的数学模型为：V≈WH(6)其中V∈R≥0为一M×N的非负矩阵，W∈R≥0为一M×R的非负矩阵，H∈R≥0为一R×N的非负矩阵，分解特征个数R的选择满足R＜MN/(M+N)；基于K-L散度制定非负矩阵分解的目标函数，其中基于K-L散度的目标函数为：2CN110673206A权利要求书2/4页其中Vij表示矩阵V的第i行、j列元素，[WH]ij表示基矩阵W和权重矩阵H相乘得到矩阵的第i行、j列元素；利用最小行列式准则对权重矩阵H进行约束，通过权重矩阵H的向量张成空间的体积最小进行约束，权重矩阵H的向量张成空间的体积的求解公式为：则添加最小行列式约束的K-L散度非负矩阵分解目标函数为：其中det表示求矩阵的行列式，α为平衡参数；对目标函数采用乘性迭代方法进行优化求解，通过交替更新变量求得最优解，利用梯度下降法计算更新公式：其中令μw和μh分别为：最终更新迭代公式为：其中表示矩阵元素的点乘；标准化公式为：3CN110673206A权利要求书3/4页设置迭代停止条件为目标函数小于设置的阈值Th，同时设置迭代次数的上限为Niter，若迭