發(fā)布時間：2024-10-05 05:49

　　 近期,美國中部誘發(fā)地震的活動演變亟需詳盡的編目結果,以提升地震災害評估能力。在過去的幾十年里,地震事件的數(shù)據(jù)量呈指數(shù)增長,這就需要一種高效的算法可靠地檢測和定位地震。目前最復雜的方法是通過對大量連續(xù)地震記錄進行掃描,尋找重復的地震信號。我們根據(jù)人工智能領域最新進展提出了ConvNetQuake,它是一個高度可擴展的卷積神經(jīng)網(wǎng)絡,應用單一波形進行地震檢測和定位。我們將該技術應用于美國俄克拉何馬州的誘發(fā)地震活動研究。我們檢測到的地震事件數(shù)量超過了俄克拉何馬州地質(zhì)調(diào)查局之前編目結果的17倍之多。我們算法的處理速度較已有的方法快數(shù)個數(shù)量級。

【文章頁數(shù)】：12 頁

【文章目錄】：
0 引言
1 結論
    1.1 數(shù)據(jù)
    1.2 生成位置標簽
    1.3 提取分類窗口
    1.4 訓練/測試集
    1.5 數(shù)據(jù)增強
    1.6 ConvNetQuake
    1.7 檢測精度
    1.8 定位精度
    1.9 定位概率圖
    1.10 泛化至非重復事件
    1.11 連續(xù)記錄的地震檢測
    1.12 與其他檢測方法對比
    1.13 大數(shù)據(jù)集的可擴展性
2 討論
3 方法
    3.1 網(wǎng)絡架構
    3.2 訓練網(wǎng)絡
    3.3 獨立測試集評估
補充材料



本文編號：4007608