基于样本增强的卷积神经网络震相拾取方法
李安
杨建思
彭朝勇
郑钰
刘莎
1.中国北京 100081 中国地震局地球物理研究所2.中国北京 100081 中国地震局地球物理研究所3.中国北京 100081 中国地震局地球物理研究所4.中国北京 100081 中国地震局地球物理研究所5.中国北京 100081 中国地震局地球物理研究所
摘要：为了快速、高效地从地震数据中识别地震事件和拾取震相,本文利用基于样本增强的卷积神经网络自动震相拾取方法,将西藏林芝地区L0230台站3个月数据作为训练集,该区内另外6个台站连续1个月的波形数据作为测试集,采用高斯噪声、随机噪声拼接、随机挑选噪声、随机截取地震事件等4种样本增强的方法扩增训练集,以提高自动震相拾取技术的准确率.结果显示:样本增强前模型在测试集上的地震事件识别准确率为80％,样本增强后提升至97％,表明样本增强有效地提高了模型的泛化性能和抗干扰能力;在0.5 s误差范围内,震相自动拾取准确率高于81％,在1.0 s误差范围内,准确率高于95％;利用基于样本增强的卷积神经网络震相拾取方法能够检测出人工拾取震相中误标和漏检的震相.
关键词：卷积神经网络样本增强震相拾取泛化性能
分类号：P315.63(大地（岩石界）物理学（固体地球物理学）)
资助基金：国家自然科学基金(41874075)国家重点研发计划(2018YFC1504002)
论文发表日期：2020-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：14( 163-176 )
英文信息