• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《地球物理学报》 >基于深层卷积神经网络的震级快速估算方法

基于深层卷积神经网络的震级快速估算方法

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

当前地震预警中的震级估算方法是通过初至几秒地震波的特征参数与震级的经验关系来实现的,这些特征参数依赖于人的经验和主观判断,没有充分利用初至地震波中与震级相关的信息,制约了震级估算效果.对此,本文利用深层卷积神经网络(Deep Convolutional Neural Networks,CNN)直接从初至地震波中自动提取特征,实现端到端的震级快速估算.CNN方法以单台站的初至竖向地震波作为主输入,震中距、震源深度以及V s30作为辅助输入,震级作为输出.利用日本和智利的大量地表强震记录对CNN方法进行训练(98257条记录)、验证(31429条记录)和测试(40638条记录),利用美国和新西兰的强震记录进行泛化性能测试(583条记录),并与应用最为广泛的峰值位移Pd方法进行对比.结果表明,当初至地震波时长为3 s时,在4~6.4级范围内,CNN方法估算震级的准确率是Pd方法的1.5倍,在6.5~9级范围,CNN方法估算震级的准确率是Pd方法的1.2倍;当初至地震波从3 s增加到10 s时,CNN方法能够随着地震波时长的增加不断提高估算震级的准确率,并且始终高于Pd方法,特别是对于4~6.4级地震,CNN方法在初至3 s地震波时估算震级的准确率是Pd方法在初至10 s地震波时的1.2倍;随着地震波时长的增加,CNN方法对于震级饱和问题的改善效果优于Pd方法;CNN方法具有较好的泛化能力,在训练数据集之外的区域,比Pd方法估算震级更准确.相比于人为定义的特征参数,CNN方法从初至地震波中自动学习到了与震级更为相关的特征,这些特征极大地改善了震级估算的准确性和时效性,可以为地震预警系统提供更快速更准确的震级估算.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号