基于深度学习的地震检测模型在区域台网的泛化性研究

赵明; 陈石

首页> 中文期刊> 《地震》 >基于深度学习的地震检测模型在区域台网的泛化性研究

基于深度学习的地震检测模型在区域台网的泛化性研究

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

将识别地震的深度学习算法PhaseNet应用于四川台网和首都圈台网,对该模型的泛化能力进行了测试和评估.首先利用2010年1月至2018年10月首都圈台网199个地震台站记录的29 328个事件(ML0～ML4)所对应的126761段事件波形,以及2019年4-9月四川及邻省部分台网227个地震台站记录的16595个事件(ML0～ML6.0)所对应的120233段事件波形分别建立了SC和CA测试数据集,并用预训练好的PhaseNet模型进行P、S震相自动识别和到时拾取,并将拾取结果与人工拾取结果在不同误差阈值下进行对比.测试结果表明,PhaseNet在两个数据集上具有良好的震相检测能力(误差阈值为0.5 s),其P、S震相检测的F,值都超过0.75,具有比较稳定的准确拾取P波到时能力(误差阈值0.1 s),其检测F1值均超过0.6,而S波到时拾取的F,值分别为0.33(SC)和0.53(CA).进一步分析了测试结果与震中距、震级、信噪比、台站所处地域之间的关系,为下一步继续训练更优化的模型指明了方向.研究结果表明,PhaseNet算法在区域台网地震自动检测和到时拾取方面有很大的应用潜力和提升空间,可以为区域台网的自动编目工作提供辅助.

著录项

来源
《地震》 |2021年第1期|166-179|共14页
作者
赵明; 陈石;
展开▼
作者单位

中国地震局地球物理研究所北京100081;

北京白家疃国家地球科学野外观测研究站北京100095;

中国地震局地球物理研究所北京100081;

北京白家疃国家地球科学野外观测研究站北京100095;

展开▼
原文格式 PDF
正文语种 chi
中图分类地震观测预报;
关键词
PhaseNet; 泛化性; 到时拾取; 震相检测;

相似文献

中文文献
外文文献
专利

1. 基于村镇地震环境相关的区域地震动场模型研究 [J] . 李宏男 ,陈艳辉 ,张皓 . 沈阳建筑大学学报（自然科学版） . 2021,第003期
2. 基于三维地球模型和地震层析成像区域地震走时校正方法研究 [J] . 石建芳 ,许进 ,王娟 . 核电子学与探测技术 . 2013,第003期
3. 基于改进深度学习模型的鱼群密度检测试验研究 [J] . 王金凤 ,胡凯 ,江帆 . 渔业现代化 . 2021,第002期
4. 基于深度学习SERA-Net网络的糖网病病变检测模型研究 [J] . 张荣芬 ,宋鑫 ,蔡乾宏 . 贵州大学学报（自然科学版） . 2021,第006期
5. 基于深度学习的危险驾驶行为检测模型研究 [J] . 岳宸宇 ,周沛松 ,李明亮 . 新一代信息技术 . 2021,第022期
6. 一种基于区域地震台网的面波震级计算方法 [C] . 范娜 ,赵连锋 ,谢小碧 . 中国地球物理学会第二十七届年会 . 2011
7. 基于新疆区域数字地震台网资料的地震波谱分析和震源参数估算的应用研究 [A] . 夏爱国 . 2003

基于深度学习的地震检测模型在区域台网的泛化性研究

摘要

著录项

相似文献

相关主题

期刊订阅