典型文献
卷积神经网络在远-近地震震相拾取中的应用及模型解释
文献摘要：
利用北京国家观象台的测震记录,探索了样本构建、训练过程、模型结构等因素对远震震相P-S和近震震相Pg-Sg拾取模型性能的影响.结果表明:适中的卷积层深度、正则化和数据清洗能够有效地改善模型性能,而残差块的影响却相对有限.与此同时,基于类模型可视化和平滑GradCAM++的模型解释显示:卷积神经网络复现了震相的关键特征,其决策敏感区域也与震相识别的经验准则一致.最后,连续波形的扫描结果展示了卷积神经网络在远-近地震震相识别的应用前景与提升空间.此外,本文针对模型搭建与训练中存在的问题提出了样本选择、模型架构、标签标注和集成学习等改进方案,以供后续研究参考.
文献关键词：
卷积神经网络;震相识别;到时测量;可解释神经网络
中图分类号：
作者姓名：
申中寅;吴庆举
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]申中寅;吴庆举-.卷积神经网络在远-近地震震相拾取中的应用及模型解释)[J].地震学报,2022(06):961-979
A类：
GradCAM++,到时测量,可解释神经网络
B类：
近地,地震震相,震相拾取,模型解释,国家观,观象台,测震,训练过程,模型结构,远震,近震,Pg,Sg,取模,模型性能,适中,卷积层,正则化,数据清洗,残差块,复现,关键特征,敏感区域,震相识别,连续波,扫描结果,提升空间,模型搭建,样本选择,模型架构,标签标注,集成学习,改进方案
AB值：
0.374951
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。
