為了準(zhǔn)確而迅速地拾取大量地震事件的P波初至,將深度學(xué)習(xí)方法引入微地震P波初至到時拾取研究中,對卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行改造,以便適應(yīng)地震波形數(shù)據(jù)的特點(diǎn)和P波初至拾取的要求。該算法只需要輸入10s窗口的三分量地震波形數(shù)據(jù),就可以自動地判定P波初至?xí)r刻,無需掃描連續(xù)波形,運(yùn)算時間遠(yuǎn)遠(yuǎn)小于長短窗、模板匹配等傳統(tǒng)方法。使用該算法訓(xùn)練汶川地震主震后2008年7—8月7467條人工拾取的余震P波初至到時,將得到的模型對測試集中1867條數(shù)據(jù)的計(jì)算結(jié)果與人工拾取結(jié)果對比,誤差小于0.5 s者占比達(dá)到98.9%。在低信噪比條件下,該方法仍能保持較好的拾取能力。 

【文章來源】：北京大學(xué)學(xué)報(自然科學(xué)版). 2019,55(03)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

Morlet小波基(據(jù)文獻(xiàn)[20]修改)

北京大學(xué)學(xué)報(自然科學(xué)版)第55卷第3期2019年5月456證集誤差的連接權(quán)和閾值。訓(xùn)練過程中采用最小二乘誤差作為損失函數(shù)的計(jì)算損失,使用學(xué)習(xí)速率為0.001的自適應(yīng)矩估計(jì)法來優(yōu)化參數(shù)。3模型結(jié)果3.1時間域波形數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)果基于時間域波形數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型,對5974條訓(xùn)練集數(shù)據(jù)進(jìn)行訓(xùn)練,調(diào)整參數(shù),將整個數(shù)據(jù)集中的1867條數(shù)據(jù)作為測試集,當(dāng)測試集數(shù)據(jù)結(jié)果的最小二乘誤差在最近的1000次訓(xùn)練中都未減小時,停止訓(xùn)練。為了便于評價模型的泛化能力,我們將訓(xùn)練集和測試集結(jié)果的誤差分布做成直方圖(圖2)。圖2(a)顯示7467條訓(xùn)練集+驗(yàn)證集樣本波形數(shù)據(jù)通過時間域波形數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型計(jì)算得到的到時拾取結(jié)果與人工拾取到時之間的誤差分布,人工拾取到時的標(biāo)注精度為0.1s,65.8%的誤差小于0.1s,89.6%的誤差小于0.2s,98.4%的誤差小于0.5s。圖2(b)顯示1867條測試集樣本波形數(shù)據(jù)通過時間域波形數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型計(jì)算得到的到時拾取結(jié)果與人工拾取到時之間的誤差分布,42.8%的誤差小于0.1s,67.4%的誤差小于0.2s,90.6%的誤差小于0.5s�？梢�,該模型在測試集的表現(xiàn)比訓(xùn)練集有較大的下降,誤差大于1.0s的仍有2.1%。因此,我們對其中誤差小于0.1s和大于1.0s的數(shù)據(jù)分別畫出波形進(jìn)行分析,結(jié)果如圖3所示。從圖3看出,對信噪比較高的數(shù)據(jù),該模型有不錯的表現(xiàn)。圖3(a)顯示使用時間域波形數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型對測試集中一條三分量波形數(shù)據(jù)拾取P波初至到時的結(jié)果,模型拾取到時比人工拾取到時滯后0.03s。由于人工拾取到時的標(biāo)注精度為0.1s,故可以認(rèn)為對該條數(shù)據(jù)的拾取結(jié)果是準(zhǔn)確的。對于信噪比較低的數(shù)據(jù),該模型的識別能力較弱。圖3(b)顯示使用時間域波形數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型對測試集中某條低信噪比數(shù)據(jù)拾取P波初至到時的結(jié)果,模?

蔡振宇等人工智能在拾取地震P波初至中的應(yīng)用——以汶川地震余震序列為例457紅線表示人工拾取的到時,藍(lán)線表示模型拾取的到時。下同圖3高信噪比和低信噪比時間域波形數(shù)據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型拾取到時與人工拾取到時對比Fig.3ComparisonoftimedomainCNNmodelandmanualpickingresultsinhighSNRcircumstanceandlowSNRcircumstance黃色豎線表示不同頻率模型拾取的到時,綠色豎線表示模型最終給出的到時,紅色豎線表示人工拾取的到時圖4小波時頻譜卷積神經(jīng)網(wǎng)絡(luò)模型拾取到時與人工拾取到時對比Fig.4Comparisonofwavelettime-frequencymapmodelandmanualpickingresults

【參考文獻(xiàn)】：
期刊論文
[1]微震信號自動檢測的STA/LTA算法及其改進(jìn)分析[J]. 劉晗,張建中.  地球物理學(xué)進(jìn)展. 2014(04)
[2]“國家數(shù)字測震臺網(wǎng)數(shù)據(jù)備份中心”技術(shù)系統(tǒng)建設(shè)及其對汶川大地震研究的數(shù)據(jù)支撐[J]. 鄭秀芬,歐陽飚,張東寧,姚志祥,梁建宏,鄭潔.  地球物理學(xué)報. 2009(05)
[3]用于三分向記錄震相識別的小波變換方法[J]. 劉希強(qiáng),周蕙蘭,沈萍,楊選輝,馬延路,李紅.  地震學(xué)報. 2000(02)
[4]利用人工神經(jīng)網(wǎng)絡(luò)理論對地震信號及地震震相進(jìn)行識別[J]. 張范民,李清河,張?jiān)?盛國英,范兵.  西北地震學(xué)報. 1998(04)



本文編號：3491042