深層学習に基づく小マグニチュード地震検出と地震位相分類【JST・京大機械翻訳】

Li Wei; Sha Yu; Zhou Kai; Faber Johannes; Ruempker Georg; Stoecker Horst; Srivastava Nishtha

プレプリント

J-GLOBAL ID：202202216144631258 整理番号：22P0327292

深層学習に基づく小マグニチュード地震検出と地震位相分類【JST・京大機械翻訳】

Deep Learning-based Small Magnitude Earthquake Detection and Seismic Phase Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2022年04月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

信頼できる地震検出と地震位相分類は,特に低マグニチュード事象または低信号対雑音比の環境において,特に困難である。改善された地震計とより良い地球規模の被覆率によって,記録された地震データの体積の急な増加を,目撃した。これは,伝統的手法に基づく地震データの取扱いを,従って,よりロバストで信頼できる方法の必要性を燃料とする。本研究では,地震信号検出と位相同定の問題に取り組むために,1D残差Netwetwetwork(ResNet)とマルチ分枝ResNetと呼ばれる2つの深層学習ベースモデルを検討し,特に,複数のクラスを階層的フォーマットで組織化する場合に,後者を使用することができる。これらの方法を訓練し,南California地震ネットワークのデータセットで試験した。結果は,提案方法が地震信号の検出に対してロバスト性能を達成することができて,地震事象が小さなマグニチュードであり,ノイズによってマスクされるときでさえ,地震相の同定を成し遂げることができることを示した。以前に提案された深層学習法と比較して,導入フレームワークは地震モニタリングにおいて4%の改善を達成し,地震相分類においてわずかな強化を達成した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

地震学一般 , 自然災害

, , , , ,

前のページに戻る