典型文献
基于多输入卷积神经网络的天然地震和爆破事件识别
文献摘要：
天然地震和爆破事件识别是地震监测预警的重要内容.近年来,快速发展的深度学习算法以其强大的数据特征挖掘和图像识别能力,能够较快并准确地约束地震事件属性.利用多输入卷积神经网络算法构建天然地震和爆破事件自动分类网络模型,其中输入信息包括多台站地震波形和单台站的地震时频数据,使得卷积神经网络同时获取事件的波形、频谱和极性特征.根据美国犹他州2012年记录到的天然地震和采石场爆破的观测资料,构建深度学习的训练数据集并进行模型训练,并据此判断2013-2016年间已知的天然地震和爆破事件.结果表明,多输入卷积神经网络具有较高的识别精度,识别率高达97％.
文献关键词：
天然地震;爆破;卷积神经网络;时频;极性
中图分类号：
作者姓名：
田宵;汪明军;张雄;王向腾;盛书中;吕坚
作者机构：
东华理工大学地球物理与测控技术学院,南昌 330013;江西省地震局,南昌 330039
文献出处：
引用格式：
[1]田宵;汪明军;张雄;王向腾;盛书中;吕坚-.基于多输入卷积神经网络的天然地震和爆破事件识别)[J].地球物理学报,2022(05):1802-1812
A类：
B类：
多输入,天然地震,爆破,事件识别,地震监测,监测预警,深度学习算法,数据特征,特征挖掘,和图像,图像识别,识别能力,地震事件,事件属性,神经网络算法,自动分类,分类网络,多台,台站,地震波形,单台,时频数据,犹他州,录到,采石场,观测资料,训练数据集,模型训练,识别精度,识别率高
AB值：
0.348352
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。
