深度神經(jīng)網(wǎng)絡雖然在震相拾取中取得了良好效果,但作為高復雜度的機器學習模型,深度神經(jīng)網(wǎng)絡在取得較高精度的同時需要付出較高的計算代價,而且試驗研究表明震相拾取中并不需要過高的模型復雜度。為此,本文根據(jù)地震波形的特點設計了四種具有不同復雜度的深度神經(jīng)網(wǎng)絡改進模型,可以綜合具體的精度和速度需求從中選取合適的模型。在此基礎上,將改進模型與現(xiàn)有四種到時拾取的深度學習網(wǎng)絡模型進行了對比,結果表明本文中的網(wǎng)絡模型在到時拾取上具有較高的速度和精度。同時,本文的深度神經(jīng)網(wǎng)絡通過使用多種深度學習模型壓縮手段可將震相拾取模型的大小壓縮到2.0 MB以內(nèi),從而使得模型可以在低功耗設備上完成高速震相拾取的同時盡可能地減少精度損失。 

【文章頁數(shù)】：15 頁

【參考文獻】：
期刊論文
[1]基于U形卷積神經(jīng)網(wǎng)絡的震相識別與到時拾取方法研究[J]. 趙明,陳石,房立華,David A Yuen.  地球物理學報. 2019(08)
[2]深度神經(jīng)網(wǎng)絡拾取地震P和S波到時[J]. 于子葉,儲日升,盛敏漢.  地球物理學報. 2018(12)



本文編號：3706196