利用深度学习进行P波到时拾取和初动极性判定
Z.E.Ross
M.-A.Meier
E.Hauksson
王凌
高翔
于辰飞
1.北京市地震局2.北京市地震局3.北京市地震局4.北京市地震局5.北京市地震局6.北京市地震局
摘要：地震震源位置和震源机制解的确定需要精确的P波到时和初动极性信息.由于这些参数的自动化算法的精度比人工识别的要低,因而在处理大数据时是存在一定问题的.本文通过训练卷积神经网络来获取P波到时和初动极性信息,该方法直接对波形记录进行学习,而不是特征提取.我们利用南加州地区1820万条手动拾取的波形记录,来训练卷积神经网络.1200万条无关联波形记录的交叉验证显示,自动与人工拾取之间的差异的标准差为0.023s.以人工识别的初动极性做参考,分类器拾取的精度为95％.同时,在不影响质量的前提下,与人工识别相比,分类器拾取的极性数量更多,从而获得的震源机制解数量几乎翻倍.经过训练的卷积神经网络具有很好的精度,这表明它们可以与地震专家一样好,甚至更好.
机标关键词：
论文发表日期：2020-01-01
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：12( 132-143 )