|
|||||
|
|
| 利用深度学习进行P波到时拾取和初动极性判定 | |
| 摘 要： | 地震震源位置和震源机制解的确定需要精确的P波到时和初动极性信息。由于这些参数的自动化算法的精度比人工识别的要低,因而在处理大数据时是存在一定问题的。本文通过训练卷积神经网络来获取P波到时和初动极性信息,该方法直接对波形记录进行学习,而不是特征提取。我们利用南加州地区1 820万条手动拾取的波形记录,来训练卷积神经网络。1 200万条无关联波形记录的交叉验证显示,自动与人工拾取之间的差异的标准差为0.023s。以人工识别的初动极性做参考,分类器拾取的精度为95%。同时,在不影响质量的前提下,与人工识别相比,分类器拾取的极性数量更多,从而获得的震源机制解数量几乎翻倍。经过训练的卷积神经网络具有很好的精度,这表明它们可以与地震专家一样好,甚至更好。 |
| 本文献已被 CNKI 等数据库收录！ | |