典型文献
基于深度卷积神经网络的2021年5月21-22日云南漾濞地震和青海玛多地震震级估算
文献摘要：
以探索深度卷积神经网络震级估算模型对2021年5月21日云南漾濞和5月22日青海玛多地震预警震级估算的可行性为目标,本文使用P波到达后不同时间窗下的特征参数作为深度卷积神经网络输入进行训练和验证,构建了1～40 s内不同时间窗下的深度卷积神经网络单台震级估算模型,并采用多台加权平均方法对玛多地震主震以及漾濞地震主震、前震和余震共11次地震事件进行实时震级估算.结果 表明:在P波到达后1～40 s的不同时间窗下,随着时间窗的增加,深度卷积神经网络单台震级估算模型对训练集和验证集的震级估算误差和标准差逐渐减小,且逐渐趋于稳定;对于云南漾濞Ms6.4主震与青海玛多Ms7.4主震,大部分单台震级估算误差主要分布在±0.5震级单位内;通过多台加权平均方法计算预测震级,漾濞主震与玛多主震在首台触发后2 s时,震级估算结果分别是M6.0和M7.0;同时,随着首台触发后时间的增加,漾濞与玛多主震的震级估算逐渐接近实际震级,且在首台触发后9 s时,漾濞主震和玛多主震的震级估算分别是M6.2和M7.3;在首台触发后1 s时,对于玛多与漾濞地震的前震和余震,多台加权平均震级估算结果也主要分布在±0.5震级单位误差范围内.该方法为中国地震预警系统的震级估算方案提供了潜在可能.
文献关键词：
地震预警;深度卷积神经网络;震级估算;漾濞地震;玛多地震
中图分类号：
作者姓名：
朱景宝;宋晋东;李山有
作者机构：
中国地震局工程力学研究所地震工程与工程振动重点实验室,哈尔滨 150080;地震灾害防治应急管理部重点实验室,哈尔滨 150080
文献出处：
引用格式：
[1]朱景宝;宋晋东;李山有-.基于深度卷积神经网络的2021年5月21-22日云南漾濞地震和青海玛多地震震级估算)[J].地球物理学报,2022(02):594-603
A类：
B类：
深度卷积神经网络,云南漾濞地震,青海玛多地震,地震震级,震级估算,估算模型,地震预警,预警震级,不同时间窗,单台,多台,加权平均,主震,前震,余震,地震事件,训练集,验证集,Ms6,Ms7,测震,首台,M6,M7,误差范围,预警系统
AB值：
0.155759
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。
