文献

J-GLOBAL ID：201802284449063519   整理番号：18A0283114

主成分分析に基づく人工ニューラルネットワークを用いた微小地震イベントと採石場高分類改善【Powered by NICT】

Improving microseismic event and quarry blast classification using Artificial Neural Networks based on Principal Component Analysis

著者 (5件)： Shang Xueyi (School of Resources and Safety Engineering, Central South University, China) ,  Li Xibing (School of Resources and Safety Engineering, Central South University, China) ,  Li Xibing (Hunan Key Lab of Resources Exploitation and Hazard Control for Deep Metal Mines, China) ,  Morales-Esteban A. (Department of Building Structures and Geotechnical Engineering, University of Seville, Spain) ,  Chen Guanghui (Faculty of Engineering, China University of Geosciences, Wuhan, China)
資料名： Soil Dynamics and Earthquake Engineering  (Soil Dynamics and Earthquake Engineering)
巻： 99  ページ： 142-149  発行年： 2017年 
JST資料番号： E0978A  ISSN： 0267-7261  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 微小地震と採石爆破の識別について,本論文で検討した。そうするために,主成分分析(PCA)と人工ニューラルネットワーク(ANN)を用いた。提案した方法は千六百の事象の22地震パラメータで試験した。本研究では,PCAは,元のデータセットを変換無相関変数の新しいデータセットに使用されてきた。生成された新しいデータセットは,ANNのための入力として使用し,ロジスティック回帰(LR),BayesならびにFisher分類法,微小地震と採石爆破を分類すると比較した。結果は,PCAである評価変数と還元データ次元に有効であることを示した。さらに,PCAに基づく分類結果はRef基づくものよりとPCA法がない良好されてきた。さらに,ANNクラシファイアは最善の分類結果を得ている。PCA,RefのPCAベース法を用いることなく,Matthew相関係数(MCC)の結果は,それぞれ,89.00%,73.68%および82.04%,PCAに基づく方法の信頼性と可能性を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *地震 ,  信頼性 ,  *採石 ,  相関係数 ,  *微小地震 ,  分級機 ,  *採石場 ,  *ニューラルネットワーク ,  *主成分分析
準シソーラス用語： 分類法 ,  ロジスティック回帰分析 , 【Automatic Indexing@JST】

著者キーワード (5件)： 微小地震分類 ,  微小地震イベントと採石場発破 ,  主成分分析(PCA) ,  人工神経回路網(ANN) ,  Matthewの相関係数(MCC)

分類 (1件)： 土圧,土の動的性質,地盤の応力と変形  (RA03060A)

タイトルに関連する用語 (6件)： 主成分分析 ,  人工ニューラルネットワーク ,  微小地震 ,  イベント ,  採石場 ,  分類