利用卷积神经网络检测地震的方法与优化

• 作者: 周本伟 范莉苹 张龙 李珀任 房立华
• 来源期刊: 地震学报
• 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
• 年，卷（期）: 2020,（6）
• 页码范围: 669-683
• 页数: 15页
• 分类号: P315.61
• 语种: 中文
• DOI: 10.11939/jass.20200045

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.