基于Bi-LSTM的地电场高压直流输电干扰事件识别

来源：地震地质杂志2026年第2期北京时间：

作者：胡颢迪, 张宇, 王兰炜, 柯浩楠

单位：1) 中国地震局地震预测研究所, 北京 1000362) 中国地震局地球物理研究所, 北京 100081

摘要：近年来, 随着中国高压直流输电线路的不断建设, 高压直流输电线路对地电场观测数据的影响日趋严重。现有识别高压直流输电对地电场干扰事件的方式主要依靠人工, 效率较低, 深度学习方法能够显著提高对干扰事件的识别效率。其中, 基于深度学习的双向长短期神经网络(Bidirectional Long Short-Term Memory, Bi-LSTM)具有对时序数据强大的建模和特征提取能力, 能够捕捉时序数据前、 后2个方向的长短期信息依赖关系。因此, 为了高效准确地对地电场观测数据中受高压直流输电干扰的时段进行识别, 文中采用Bi-LSTM模型实现对高压直流输电对地电场观测干扰时段和干扰事件类别的识别。最终模型在测试集上达到了较高的精度(96.6%)和较高的准确率(96.6%), 证实了模型的泛化性和实用性。该模型验证了Bi-LSTM在地电场受高压直流输电干扰识别方面的应用效果, 为后一步对高压直流干扰数据处理提供了良好基础, 也为地电场观测数据受其他干扰因素的识别和分类提供了一种新的思路。

关键词：高压直流输电,长短期记忆神经网络,地电场观测数据,干扰识别,

基金资助：中国地震局地震预测研究所基本科研业务费专项(CEAIEF20240901)