• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Seismological research letters >An Investigation of Rapid Earthquake Characterization Using Single-Station Waveforms and a Convolutional Neural Network
【24h】

An Investigation of Rapid Earthquake Characterization Using Single-Station Waveforms and a Convolutional Neural Network

机译：用单站波形和卷积神经网络研究快速地震求解

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Effective early warning, emergency response, and information dissemination for earthquakes and tsunamis require rapid characterization of an earthquake's location, size, and other parameters, usually provided by real-time seismogram analysis using established, rule-based, seismological procedures. Powerful, new machine learning (ML) tools analyze basic data using little or no rule-based knowledge, and an ML deep convolutional neural network (CNN) can operate directly on seismogram waveforms with little preprocessing and without feature extraction. How a CNN will perform for rapid automated earthquake detection and characterization using short single-station waveforms is an issue of fundamental importance for earthquake monitoring.
机译：有效的早期预警，应急响应和地震和海啸的信息传播需要快速表征地震的位置，大小和其他参数，通常通过使用已建立的，规则的地震程序的实时地震图分析提供。 强大的新机器学习（ML）工具使用基于规则的知识分析基本数据，并且ML深卷积神经网络（CNN）可以直接在地震图波形上运行，几乎没有预处理，没有特征提取。 如何使用短单站波形进行CNN的快速自动地震检测和表征是地震监测的根本重要性问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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