融合时空注意力机制的P波到时拾取网络

摘要：

针对现有地震到时拾取算法精度较低、鲁棒性较差等问题,设计了一种基于深度学习的地震P波到时拾取网络,该网络为编解码结构,可实现地震波形序列的逐点预测.网络编码器对输入数据进行多尺度特征提取与融合,提高特征利用率;利用多尺度残差结构深度挖掘数据中隐藏特征信息,提升模型非线性拟合能力;在解码网络中加入时空注意力机制,提高网络对到时特征的感知能力;提出深层编码特征融合模块,在保证特征完整性的同时有效避免融合特征过程中出现的特征序列污染问题.实验结果表明,提出的网络在0.1 s、0.2 s、0.3 s三个误差阈值下,拾取命中率分别为75.04％、94.6％、97.37％,平均绝对误差和均方误差为0.092 s、0.036,相比现有传统方法与深度学习到时拾取方法,具有更高的P波到时拾取精度.

关键词：震相到时拾取、深度学习、序列处理、时空注意力、特征融合

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;山西省自然科学基金;山西省回国留学人员科研资助项目

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：113-124