卷积神经网络在远-近地震震相拾取中的应用及模型解释
申中寅
吴庆举
中国北京 100081 中国地震局地球物理研究所
摘要：利用北京国家观象台的测震记录,探索了样本构建、训练过程、模型结构等因素对远震震相P-S和近震震相Pg-Sg拾取模型性能的影响.结果表明:适中的卷积层深度、正则化和数据清洗能够有效地改善模型性能,而残差块的影响却相对有限.与此同时,基于类模型可视化和平滑GradCAM++的模型解释显示:卷积神经网络复现了震相的关键特征,其决策敏感区域也与震相识别的经验准则一致.最后,连续波形的扫描结果展示了卷积神经网络在远-近地震震相识别的应用前景与提升空间.此外,本文针对模型搭建与训练中存在的问题提出了样本选择、模型架构、标签标注和集成学习等改进方案,以供后续研究参考.
关键词：卷积神经网络震相识别到时测量可解释神经网络
分类号：P315.63(大地（岩石界）物理学（固体地球物理学）)
资助基金：国家重点研发计划(2020YFA0710601)
论文发表日期：2022-12-28
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：19( 961-979 )
英文信息