利用卷积神经网络检测地震的方法与优化

摘要：

本文以西昌台阵观测的8321次近震数据为例,详细介绍了利用深度卷积神经网络检测地震的数据处理流程,包括数据预处理、模型训练、波形长度、网络层数、学习率和概率阈值等关键参数对检测结果的影响,并将训练得到的最优模型,应用于事件波形和连续波形的检测.研究表明,数据预处理和数据增强可以提升模型的检测精度和抗干扰能力.用于模型训练的波形窗口长度可近似于S-P到时差的最大值.不同网络层数(5—8层)的检测结果差别不大.对于地震检测,学习率设为10?4—10?3较为合适.卷积神经网络检测出的地震数量与选择的概率阈值有关,通过绘制精确率-召回率变化曲线,可以为选择合适的概率阈值提供参考.本文为进一步利用深度学习算法提高地震检测效果提供了参考.

关键词：深度学习、卷积神经网络、地震检测、模型训练、西昌台阵

所属期刊栏目：42

分类号：P315.61(大地（岩石界）物理学（固体地球物理学）)

资助基金：国家重点研发计划;国家自然科学基金;中国地震局地球物理研究所基本科研业务费专项

在线出版日期：2021-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：669-683