深度神经网络拾取地震P和S波到时

于子叶; 储日升; 盛敏汉

首页> 中文期刊> 《地球物理学报》 >深度神经网络拾取地震P和S波到时

深度神经网络拾取地震P和S波到时

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

从地震波形数据中快速准确地提取各个震相的到时是地震学中的基础问题.本文针对上述问题提出了利用深度神经网络拾取到时的新方法,建立了用于地震到时提取的17层Inception深度网络模型,在对原始三分量数据进行高通滤波和归一化处理后输入网络直接输出到时信息.整个过程基于神经网络自适应提取波形特征,自动输出结果.通过对100组加了不同强度的噪声数据进行了可靠性检验,相比于其他方法神经网络方法对于噪声具有较高的容忍度以及稳定性,并且与地震目录数据有较高的相似性.相比于AR-AIC+ STA/LTA,深度神经网络虽然运算速度稍慢,但整个过程不需设定时窗与阈值,同时具有更高的可用性,并且可以迭代升级以提高精度.此方法作为人工智能方法,为波形到时拾取提供了新思路.

著录项

来源
《地球物理学报》 |2018年第12期|4873-4886|共14页
作者
于子叶; 储日升; 盛敏汉;
展开▼
作者单位

中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室,武汉 430077;

中国科学院大学,北京100049;

中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室,武汉 430077;

中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室,武汉 430077;

中国科学院大学,北京100049;

展开▼
原文格式 PDF
正文语种 chi
中图分类地震学;
关键词
震相拾取; 深度神经网络;

相似文献

中文文献
外文文献
专利

1. 利用标准时频变换方法在强噪声环境下无偏拾取地震P波、S波到时 [J] . 姚彦吉 ,柳林涛 ,盛敏汉 . 地球物理学报 . 2022,第1期
2. 基于优化参数的地震P、S波震相到时自动拾取及质量评估 [J] . 杨旭 ,李永华 ,苏伟 . 地球物理学报 . 2019,第011期
3. 一种适用于地方震事件的S波到时自动拾取方法 [J] . 张红才 ,廖诗荣 ,陈智勇 . 地震学报 . 2021,第003期
4. 基于深度学习到时拾取自动构建长宁地震前震目录 [J] . 赵明 ,唐淋 ,陈石 . 地球物理学报 . 2021,第001期
5. 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,第001期
6. 基于支持向量机的P波、S波震相到时自动拾取研究 [C] . 蒋一然 ,宁杰远 ,鲍铁钊 . 2017年中国地球科学联合学术年会（CGU2017) . -1
7. 强噪声微地震信号P波到时拾取方法研究 [A] . 王亚娟 . 2020

深度神经网络拾取地震P和S波到时

摘要

著录项

相似文献

相关主题

期刊订阅