-
公开(公告)号：CN113221395A
公开(公告)日：2021-08-06
申请号：CN202110281517.2
申请日：2021-03-16
Applicant: 禁核试北京国家数据中心
IPC: G06F30/23 , G01V1/30 , G06F111/10
Abstract: 本发明涉及一种基于分层介质的地震走时参数化网格模型构建方法及应用，涉及禁核试核查监测技术领域。本发明提出的地震‑声学走时参数化网格模型构建方法，基于分层介质物理模型构建全球三维空间网格，整合先进算法和标准事件离线估算各网格节点到台站的走时，进而建立台站特定的走时参数化模型，在实现提高走时估计精度的同时，解决了实时监测中难以考虑复杂介质等因素改进走时估计的问题。
-
公开(公告)号：CN113221395B
公开(公告)日：2023-10-20
申请号：CN202110281517.2
申请日：2021-03-16
Applicant: 禁核试北京国家数据中心
IPC: G06F30/23 , G01V1/30 , G06F111/10
Abstract: 本发明涉及一种基于分层介质的地震走时参数化网格模型构建方法及应用，涉及禁核试核查监测技术领域。本发明提出的地震‑声学走时参数化网格模型构建方法，基于分层介质物理模型构建全球三维空间网格，整合先进算法和标准事件离线估算各网格节点到台站的走时，进而建立台站特定的走时参数化模型，在实现提高走时估计精度的同时，解决了实时监测中难以考虑复杂介质等因素改进走时估计的问题。
-
公开(公告)号：CN110032975B
公开(公告)日：2021-09-07
申请号：CN201910298841.8
申请日：2019-04-15
Applicant: 禁核试北京国家数据中心
Abstract: 本发明公开了一种地震震相的拾取方法，该方法构建了基于多任务深度卷积神经网络模型，通过定义加权的分类损失函数，设计了分类和回归的联合损失函数，利用可获取的某个区域台网大规模三分向台站波形数据集对模型进行训练、验证和测试，实现对震相的检测识别和到时的精确拾取，然后采用迁移学习和数据增强方法，将模型应用于目标区域台网小规模数据集的训练、验证和测试中，实现对目标区域震相拾取。本发明提出利用多任务卷积神经网络同时实现地震震相的检测识别和到时估计，利用迁移学习实现对仅有小型数据集的目标区域的震相精确拾取，解决了地震震相的拾取难题。
-
公开(公告)号：CN110032975A
公开(公告)日：2019-07-19
申请号：CN201910298841.8
申请日：2019-04-15
Applicant: 禁核试北京国家数据中心
Abstract: 本发明公开了一种地震震相的拾取方法，该方法构建了基于多任务深度卷积神经网络模型，通过定义加权的分类损失函数，设计了分类和回归的联合损失函数，利用可获取的某个区域台网大规模三分向台站波形数据集对模型进行训练、验证和测试，实现对震相的检测识别和到时的精确拾取，然后采用迁移学习和数据增强方法，将模型应用于目标区域台网小规模数据集的训练、验证和测试中，实现对目标区域震相拾取。本发明提出利用多任务卷积神经网络同时实现地震震相的检测识别和到时估计，利用迁移学习实现对仅有小型数据集的目标区域的震相精确拾取，解决了地震震相的拾取难题。
-
-
-
Search Results
4
records
(took 0.029 seconds)
