基于PRIME-DP预训练模型的滑坡微地震等非天然地震分类研究
蔡育埼1
邵博2
于子叶3
姚翔龙2
刘路2
欧阳金恵2
1.中国长江三峡集团科学技术研究院,武汉 430010;中国地震局地球物理研究所,北京 1000812.中国长江三峡集团科学技术研究院,武汉 4300103.中国地震局地球物理研究所,北京 100081
摘要：天然地震和非天然事件分类对于地震编目、地震预警、滑坡灾害分析等具有重要意义.目前的研究方法中传统方法需要构建P/S振幅比、谱比等参数,这限制了算法对于复杂类别分类的可能.而基于深度神经网络的算法虽然可以对复杂的事件进行分类,但是目前研究中多集中于爆破、塌陷事件的识别,对于滑坡微地震事件等更多类型分类则研究较少.更重要的是深度神经网络训练需要大量人工标注数据,而非天然地震事件标注数据较为缺乏,因此难以训练高精度、高泛化能力的模型.因此我们基于开源的PRIME-DP地震数据处理预训练模型训练了用于天然地震、爆破、塌陷、滑坡微地震事件的多分类模型.并使用预训练模型数据和262条微地震事件进行了迁移学习训练.训练结果表明,我们的模型相比于基于STFT特征的深度学习分类模型精度从79.4%提升到了94.8%.这说明基于预训练模型来进行地震分类可以有效的提升最终精度.
关键词：地震信号分类地震预训练模型地震大模型
分类号：P315.9(大地（岩石界）物理学（固体地球物理学）)
资助基金：中国长江三峡集团科学技术研究院相关基金(WWKY-2021-0273)中国长江三峡集团科学技术研究院相关基金(202203016)
论文发表日期：2025-03-30
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：7( 12-18 )
英文信息