基于XGBoost的地磁秒数据尖峰干扰修正方法研究

尖峰干扰是地磁秒采样数据的最常见干扰类型之一,处理是否恰当影响着地磁秒采样观测数据的质量.现有的中值平均法需要大量人工操作,且在应对干扰持续时间大于 1 s 的干扰时适应性受限.为了对尖峰干扰数据进行更加准确的修正,本研究将数据修正问题建模为机器学习回归任务,提出了基于XGBoost的地磁秒采样数据尖峰干扰修正模型.选用2024 年1 月—2025 年4 月满洲里地震观测站自动化地磁台站系统 Z分量原始观测数据,提取 17 720 条尖峰干扰时刻及前后磁场变化样本作为数据集训练模型.模型在测试集上的均方误差、均方根误差、平均绝对误差和决定系数分别达到了0.010 971 nT2、0.104 742 nT、0.074 217 nT 和 0.999 852.结 果 表 明,XGBoost 模型在地磁秒采样尖峰干扰修正中具有优异的性能,为解决地磁秒采样数据尖峰干扰的自动化、高精度修正问题提供了有效的新方法.