基于U形卷积神经网络的震相识别与到时拾取方法研究

论文摘要

精确获取震相到时是地震定位和地震走时成像等研究的重要基础.近年来,随着地震台站的不断加密,地震台网监测到的地震数量成倍增长,发展快速、准确、适用性强的震相到时自动拾取算法是地震行业的迫切需求.本文在前人工作基础上,发展了Pg、Sg震相自动识别与到时拾取的U网络算法(Unet_cea),使用汶川余震和首都圈地震台网记录的89344个不同震级、不同信噪比的样本进行训练和测试.研究表明,U网络能够较好地识别Pg、Sg震相类型和拾取到时,Pg、Sg震相的正确识别率分别为81%和79.1%,与人工标注到时的均方根误差分别为0.41s和0.54s.U网络在命中率、均方根误差等性能指标上均明显优于STA/LTA和峰度分析自动拾取方法.研究获得的最优模型可以为区域地震台网的自动处理提供辅助.

论文目录

• 0 引言
• 1 方法与数据
•   1.1 U形神经网络
•   1.2 数据与预处理
•   1.3 U网络模型训练与测试
• 2 首都圈台网震相挑取应用
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 赵明,陈石,房立华,David A Yuen

关键词: 网络,震相识别,区域地震台网,汶川余震

来源: 地球物理学报 2019年08期

年度: 2019

分类: 基础科学

专业: 地质学,地球物理学

单位: 中国地震局地球物理研究所,美国哥伦比亚大学应用物理和应用数学系,中国地质大学大数据学院

基金: 国家重点研发计划(2018YFC1503400),国家自然科学基金(41774067,41804047),中国地震局地球物理研究所基本科研业务专项(DQJB1801)及中国地震局监测预报司自动编目专项资助

分类号: P315.7

页码: 3034-3042

总页数: 9

文件大小: 677K

下载量: 248