基于四川地震预警站网数据的震相检测模型迁移学习研究
蔡育埼1
于子叶1
王伟涛1
廖诗荣2
唐淋3
庞瑶3
杨微1
1.中国北京 100081 中国地震局地球物理研究所2.中国福州 350003 福建省地震局3.中国成都 610041 四川省地震局
摘要：2023年中国建成了全球规模最大的地震预警网,预警网中的台站配置了速度计、加速度计、简易烈度计(MEMS)等多种地震仪器.目前用于深度学习模型训练的数据集主要由速度计数据组成,不同类型仪器记录的数据在处理时精度会下降.为了解决这一问题,本文使用Yu等(2023)发布的BRNN模型作为预训练模型;然后使用2万6 739条人工标注的四川地区的速度计、加速度计和MEMS数据进行迁移学习.实验结果表明:迁移学习显著提升了模型对加速度计和MEMS预警仪器数据记录到的Pg,Sg震相的检测精度,迁移学习模型对Pg的F1分数达到了0.899,对Sg的F1分数达到了 0.862,分别提高了 0.020和0.067.此外,迁移学习方法提高了模型的泛化能力,在低信噪比(0-5 dB)条件下,检测Pg和Sg的F1分数由原来的0.697和0.479提高到了 0.817和0.676.且迁移学习方法减少了对大量人工标注数据的依赖,降低了训练成本.综上认为,该方法可用于处理预警台站记录的数据,提升速度结构反演、地震活动性分析等领域的数据处理效率.
关键词：迁移学习地震检测深度学习震相拾取
分类号：P315.8(大地（岩石界）物理学（固体地球物理学）)
资助基金：中国地震局地球物理研究所基本科研业务费专项(DQJB23R18)贵州省科技支撑项目(2022)地震科技星火计划项目(XH23030B)
论文发表日期：2025-11-30
在线出版日期：2026-03-05（本平台首次上网日期，不代表文献的发表时间）
页数：20( 889-908 )
英文信息