典型文献
基于深度学习的地震与爆破事件自动识别研究
文献摘要：
针对天然地震事件、爆破事件分类问题,使用甘肃及周边地区80个天然地震事件和20个爆破事件建立数据集,采取深度学习卷积神经网络(convolutional neural network,CNN)方法搭建两个不同结构的模型进行训练,并用500条训练集之外的天然地震事件与爆破事件波形作为测试数据集,其训练和测试准确率均达到90％以上.结果表明,本文设计的两种模型均具有一定的泛化能力,尤其是Inception V1模型在天然地震事件与爆破事件分类识别中效果良好.
文献关键词：
卷积神经网络;深度学习;震相;爆破;分类识别
中图分类号：
作者姓名：
高永国;尹欣欣;李少华
作者机构：
甘肃省地震局,兰州市东岗西路450 号,730000;中国地震局兰州岩土地震研究所,兰州市东岗西路450 号,730000
文献出处：
引用格式：
[1]高永国;尹欣欣;李少华-.基于深度学习的地震与爆破事件自动识别研究)[J].大地测量与地球动力学,2022(04):426-430
A类：
B类：
爆破,自动识别,天然地震,地震事件,分类问题,周边地区,convolutional,neural,network,训练集,测试数据,泛化能力,Inception,V1,分类识别,震相
AB值：
0.30866
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。
