首页|基于格拉姆角场和多尺度残差神经网络的地震事件分类方法

基于格拉姆角场和多尺度残差神经网络的地震事件分类方法

扫码查看
原文链接
  • 万方数据
  • 维普
以江苏地震台网中心搜集并标注的天然地震、人工爆破和塌陷事件为试验数据样本,提出了一种基于格拉姆角场和多尺度残差神经网络的新的地震事件分类方法.首先对波形数据进行滤波、归一化等预处理,然后应用格拉姆角场对地震波形数据进行二维编码得到二维图像,再将此经过编码后的图像作为多尺度残差神经网络的输入进行分类模型的训练和测试,从而得出分类结果.采用上述方法对1078个天然地震台站记录、981个爆破台站记录和830个塌陷台站记录进行试验,结果显示:最终以单条波形为单位的地震事件分类准确率为92.55％,以单个台站为单位的分类准确率为96.36％,这表明基于格拉姆角场和多尺度残差神经网络的地震分类方法具有良好的效果.
Seismic events classification based on Gram's angle field and multiscale residual neural network

seismic events classificationGram's angle field (GAF)deep learningmulti-scale residual network

刘蔚、黄永明、卢永、刘高川、章国宝

展开 >

中国南京 210096 东南大学自动化学院

中国南京 210014 江苏省地震局

中国北京 100045 中国地震台网中心

地震分类 格拉姆角场(GAF) 深度学习 多尺度残差网络

江苏省重点研发计划江苏省重点研发计划

BE2022154BE2020116

2024

10.11939/jass.20220144

地震学报
中国地震学会 中国地震局地球物理研究所

地震学报

CSTPCD北大核心
影响因子：1.186
ISSN：0253-3782
年,卷(期)：2024.46(1)
  • 15