基于卷积神经网络的地震震级测定研究
地震预警震级测定是地震预警系统最重要也是最困难的部分之一.本文提出了基于卷积神经网络的地震预警震级测定方法,将震级测定问题转化为震级分类问题,即将ML>2.0的震级分成20个不同等级类别处理.收集了福建台网2012-2019年期间记录到福建、台湾海峡及台湾共1928个地震作为研究资料,经过台站记录截取、大震样本增强、标签制作、质量筛选等预处理共得到14644条三分向地震样本记录;构建了3 s波形输入的卷积神经网络震级预测模型,并用2012-2018年震例对模型进行训练,用2019年震例对模型进行测试.结果 表明,单台震级偏差有85.6%可控制在±0.3以内,前三台平均的震级偏差有91.8%可控制在±0.3以内,其中震级较大偏差的事件多为缺乏历史样本.相较于传统方法,该模型测定的震级值更加稳定可靠,可为解决地震预警震级测定这一挑战性难题提供新的技术手段.
卷积神经网络;地震预警;震级测定;震级偏差;深度学习
64
P315(大地(岩石界)物理学(固体地球物理学))
国家重点研发项目;福建省地震局攻关项目;福建省地震局科技基金项目
2021-10-26(万方平台首次上网日期,不代表论文的发表时间)
共12页
3600-3611