利用卷积神经网络检测地震的方法与优化
周本伟
范莉苹
张龙
李珀任
房立华
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：本文以西昌台阵观测的8321次近震数据为例,详细介绍了利用深度卷积神经网络检测地震的数据处理流程,包括数据预处理、模型训练、波形长度、网络层数、学习率和概率阈值等关键参数对检测结果的影响,并将训练得到的最优模型,应用于事件波形和连续波形的检测.研究表明,数据预处理和数据增强可以提升模型的检测精度和抗干扰能力.用于模型训练的波形窗口长度可近似于S-P到时差的最大值.不同网络层数(5—8层)的检测结果差别不大.对于地震检测,学习率设为10?4—10?3较为合适.卷积神经网络检测出的地震数量与选择的概率阈值有关,通过绘制精确率-召回率变化曲线,可以为选择合适的概率阈值提供参考.本文为进一步利用深度学习算法提高地震检测效果提供了参考.
关键词：深度学习卷积神经网络地震检测模型训练西昌台阵
分类号：P315.61(大地（岩石界）物理学（固体地球物理学）)
资助基金：国家重点研发计划(2018YFC1503400)国家自然科学基金(41774067)中国地震局地球物理研究所基本科研业务费专项(DQJB20X07)中国地震局地球物理研究所基本科研业务费专项(DQJB19B07)
论文发表日期：2020-12-28
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：15( 669-683 )
英文信息