用于地震检测与定位的卷积神经网络

发布时间：2024-10-05 05:49

　　 近期,美国中部诱发地震的活动演变亟需详尽的编目结果,以提升地震灾害评估能力。在过去的几十年里,地震事件的数据量呈指数增长,这就需要一种高效的算法可靠地检测和定位地震。目前最复杂的方法是通过对大量连续地震记录进行扫描,寻找重复的地震信号。我们根据人工智能领域最新进展提出了ConvNetQuake,它是一个高度可扩展的卷积神经网络,应用单一波形进行地震检测和定位。我们将该技术应用于美国俄克拉何马州的诱发地震活动研究。我们检测到的地震事件数量超过了俄克拉何马州地质调查局之前编目结果的17倍之多。我们算法的处理速度较已有的方法快数个数量级。

【文章页数】：12 页

【文章目录】：
0 引言
1 结论
    1.1 数据
    1.2 生成位置标签
    1.3 提取分类窗口
    1.4 训练/测试集
    1.5 数据增强
    1.6 ConvNetQuake
    1.7 检测精度
    1.8 定位精度
    1.9 定位概率图
    1.10 泛化至非重复事件
    1.11 连续记录的地震检测
    1.12 与其他检测方法对比
    1.13 大数据集的可扩展性
2 讨论
3 方法
    3.1 网络架构
    3.2 训练网络
    3.3 独立测试集评估
补充材料



本文编号：4007608