文献

J-GLOBAL ID：202202259986618021   整理番号：22A1101890

地震信号におけるP波のモデルベース開始検出と強化ピッキングのための厳密予測雑音モデリングアプローチ【JST・京大機械翻訳】

Rigorous Predictive Noise Modeling Approach for Model-Based Onset Detection and Enhanced Picking of P-Waves in Seismic Signals

著者 (3件)： Aggarwal Kanchan (Indian Institute of Technology Madras, Chennai, Tamil Nadu, India) ,  Mukhopadhyay Siddhartha (Seismological Division, Bhabha Atomic Research Centre, Mumbai, India) ,  Tangirala Arun K. (Indian Institute of Technology Madras, Chennai, Tamil Nadu, India)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 31084-31102  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 地震信号におけるP波の開始を検出し,採取することは,かなり豊富な文献を持ち,その中で,モデルベース(予測)アプローチが,非常に有望である。これらのモデルの大多数は,通常,一定の臨界仮定,すなわち,定常性,線形性,およびGauss性に構築される。それらの臨界性にもかかわらず,実際の地震データに関するこれらの仮定の検証に関して,ほとんど報告されていない文献が存在する。さらに,これらのモデルの予測能力は検出における最良の可能性に利用されていない。したがって,地震騒音をモデル化し,ノイズモデルから生じる残差の統計的特性に構築する方法を開発するために,厳密なアプローチに対する強い必要性が存在する。本研究の目的は,(i)地震騒音モデリングにおける特定の長持ち仮定を批判的に研究すること,(ii)雑音特性に整合する背景雑音に対する厳密な時系列モデルを開発すること,(iii)P波の検出と増強の残差ベース法を考案した。185の歴史的データセットに関する我々の研究から生じる本研究の重要な知見は,これらの標準仮定が研究中のほとんどのデータセットに対して保持されないことである;むしろ,それらは異質性や統合効果のような付加的特別な特徴を示す。これらの新しい発見に一致して,地震騒音に対する自己回帰統合移動平均一般化自己回帰状態不均一(ARIMA-GARCH)モデルを開発した。提案した残差ベースの検出器とピッカーは,90%の検出率で非常に有効であり,一方,100の歴史的データセットによる試験に基づいて,≦0.625秒の精度でイベントの91%を採取する。さらに,ノイズモデルを既存のAICベースのピッカーと組み合わせて使用するとき,≦0.625秒の精度で選択したイベントの数は,既存のAR-AICピッカーより50%多い。したがって,提案方法は,P波検出と採取において,非常に競争力があり,効果的であると考えられる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *雑音 ,  騒音 ,  残差 ,  *地震 ,  臨界 ,  雑音特性 ,  *モデル ,  平均値
準シソーラス用語： 背景雑音 ,  雑音モデル ,  *モデルベース ,  定常性 ,  検出率 ,  自己回帰 ,  統計的特性 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  信号理論  (ND02020G)

タイトルに関連する用語 (8件)： 地震 ,  P波 ,  モデルベース ,  強化 ,  ピッキング ,  予測 ,  雑音 ,  モデリング