典型文献
基于深度学习的地震震级分类
文献摘要：
为了探索地震加速度时程记录的震级信息,训练卷积神经网络基于地震震级大小对地震记录进行分类,将K-NET和KiK-net中将近12万个地震记录作为样本,对其进行信息筛选和归一化,之后将地震加速度时程记录用作输入,训练卷积神经网络模型以M5.5为分类界限来区分大震和小震.结果显示,在训练集中基于该模型的分类准确率为93.6％,在测试集中的准确率为92.3％,具有良好的分类效果,这表明大震记录与小震记录之间存在一些根本的区别,即可通过地震动加速度时程记录获取一定的震级信息.
文献关键词：
深度学习;地震记录分析;卷积神经网络;震级信息
中图分类号：
作者姓名：
刘涛;戴志军;陈苏;傅磊
作者机构：
中国北京 100081 中国地震局地球物理研究所
文献出处：
引用格式：
[1]刘涛;戴志军;陈苏;傅磊-.基于深度学习的地震震级分类)[J].地震学报,2022(04):656-664
A类：
震级信息,小震记录,地震记录分析
B类：
地震震级,地震加速度,加速度时程,NET,KiK,net,将近,万个,录用,卷积神经网络模型,M5,大震,训练集,分类准确率,测试集,分类效果,明大,地震动
AB值：
0.2264
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
