基于深度学习的地震震级分类
刘涛
戴志军
陈苏
傅磊
中国北京 100081 中国地震局地球物理研究所
摘要：为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震.结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息.
关键词：深度学习地震记录分析卷积神经网络震级信息
分类号：P315.9(大地（岩石界）物理学（固体地球物理学）)
资助基金：国家重点研究发展计划项目(2018YFE0109800)国家自然科学基金(51738001)国家自然科学基金(U1839202)
论文发表日期：2022-08-28
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：9( 656-664 )
英文信息