基于深度学习残差网络模型的地震和爆破识别

• 作者: 杨千里 王婷婷 蒋长胜 边银菊 隗永刚
• 来源期刊: 地震学报
• 学科: 地球科学
• 关键词: 地震识别 爆破识别 深度学习 残差网络
• 年，卷（期）: 2019,（5）
• 页码范围: 646-657
• 页数: 12页
• 分类号: P315.63
• 字数: 6776字
• 语种: 中文
• DOI: 10.11939/jass.20190030

摘要

为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1000次独立的随机抽样子试验以及"留一交叉验证法"试验,对人工爆破与天然地震进行了识别研究.试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王婷婷	中国北京 100081 中国地震局地球物理研究所	6	41	4.0	6.0
2	边银菊	中国北京 100081 中国地震局地球物理研究所	6	41	4.0	6.0
3	蒋长胜	中国北京 100081 中国地震局地球物理研究所	20	182	9.0	13.0
4	隗永刚	中国北京 100081 中国地震局地球物理研究所	3	2	1.0	1.0
5	杨千里	中国北京 100081 中国地震局地球物理研究所	1	1	1.0	1.0