基于深度学习的地震事件与震相自动识别

发布时间：2020-12-05 05:57

　　从计算机引入地震监测系统,地震事件检测和震相识别就一直是地震学界想攻克的问题。而随着我国地震台站近年来迅速增加,地震数据已成为海量数据,单纯依靠人工分析地震震相已经越来越跟不上数据产出。由于工作量的问题,人工拾取不得不丢弃很多常用震相,甚至是一个台站的所有震相,因此自动地震事件检测和自动震相识别就成为越来越重要的国际攻克的热点问题。人工智能近年得到快速发展,地震学家们自然的想利用人工智能方法来解决自动地震事件检测与自动震相识别问题。人工智能的发展得益于深度学习方法的提出,本文也尝试寻找一种深度学习方法,探索自动地震事件检测与震相识别问题。一般来讲,地震事件检测与震相识别问题是先找地震事件再识别震相,本文根据这种思路,设计双卷积结构模型,该模型可分为地震事件检测与震相识别两个阶段,两个阶段的模型均为9层的卷积神经网络。第一阶段从连续波形数据中检测出地震事件,第二个阶段从第一阶段检测到的地震事件中识别震相到时。双卷积结构模型方法基于卷积神经网络,与传统震相识别方法相比,具有自动提取特征学习,不需要人为设定阈值,模型学习能力强,非线性表达能力强,抗干扰能力强,能够高效、高精度分类地震事件与识... 

【文章来源】：中国地震局地球物理研究所北京市

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

BPNN结构图

卷积运算示意图

池化方式

【参考文献】：
期刊论文
[1]2017年米林6.9级地震震源区速度结构与余震重定位[J]. 王伟平,杨建思,王彦宾,姜旭东,郑钰.  地球物理学报. 2019(06)
[2]基于深度学习卷积神经网络的地震波形自动分类与识别[J]. 赵明,陈石,Dave Yuen.  地球物理学报. 2019(01)
[3]基于支持向量机的地震体波震相自动识别及到时自动拾取[J]. 蒋一然,宁杰远.  地球物理学报. 2019(01)
[4]深度神经网络拾取地震P和S波到时[J]. 于子叶,储日升,盛敏汉.  地球物理学报. 2018(12)
[5]基于神经网络的地震震相自动拾取方法[J]. 姚开一,李英玉.  电子设计工程. 2018(22)
[6]地震检测与震相自动拾取研究[J]. 蒋策,吴建平,房立华.  地震学报. 2018(01)
[7]基于模板匹配法的主动源地震检测方法研究[J]. 李勇,高洋,叶泵,李孝宾.  大地测量与地球动力学. 2017(07)
[8]STA/LTA—AIC算法对地震P波震相拾取稳定性影响[J]. 郭铁龙,张雪梅,邹立晔.  地震地磁观测与研究. 2017(03)
[9]一种地震P波和S波初至时间自动拾取的新方法[J]. 何先龙,佘天莉,高峰.  地球物理学报. 2016(07)
[10]基于小波包和峰度赤池信息量准则的P波震相自动识别方法[J]. 田优平,赵爱华.  地震学报. 2016(01)

博士论文
[1]基于人工震源的长偏移距地震信号检测和探测研究[D]. 林建民.中国科学技术大学 2008
[2]小波变换在地震数据压缩和震相到时拾取中的应用研究[D]. 王喜珍.中国地震局地球物理研究所 2004

硕士论文
[1]时间窗法提取地震波形特征的算法研究[D]. 陈奇.广西师范大学 2018
[2]分形理论在P波震相识别中的应用[D]. 唐雅蕾.西南交通大学 2017
[3]多震相初至自动检测识别方法技术[D]. 王彩霞.长安大学 2014
[4]微震事件检测及震相自动识别研究[D]. 周银兴.中国地震局地震预测研究所 2009
[5]高阶统计量在地震前兆数字化资料分析中的应用[D]. 李希亮.中国科学技术大学 2009
[6]地震预警中地震波到时自动识别和震级快速估算研究[D]. 宋晋东.中国地震局工程力学研究所 2007
[7]震相识别的实时方法研究[D]. 武东坡.中国地震局工程力学研究所 2004



本文编号：2898998