一种选择错误代价较低的地震事件关联检测算法的方法

    公开(公告)号:CN109709604A

    公开(公告)日:2019-05-03

    申请号:CN201811506637.2

    申请日:2018-12-10

    Abstract: 本发明提供一种选择错误代价较低的地震事件关联检测算法的方法,属于检测算法性能评估领域,该方法通过多种地震时间自动关联检测算法进行地震事件检测,然后对各种方法地震事件检测的结果进行判断和评估,确定地震事件关联检测方法的查全率和查准率,通过在在查全率和查准率二维空间的代价函数曲线对各种方法的检测结果进行定量比较,从而得到一种性能较优的地震事件关联检测方法,用于地震事件的更好检测。

    一种选择错误代价较低的地震事件关联检测算法的方法

    公开(公告)号:CN109709604B

    公开(公告)日:2020-11-06

    申请号:CN201811506637.2

    申请日:2018-12-10

    Abstract: 本发明提供一种选择错误代价较低的地震事件关联检测算法的方法,属于检测算法性能评估领域,该方法通过多种地震时间自动关联检测算法进行地震事件检测,然后对各种方法地震事件检测的结果进行判断和评估,确定地震事件关联检测方法的查全率和查准率,通过在在查全率和查准率二维空间的代价函数曲线对各种方法的检测结果进行定量比较,从而得到一种性能较优的地震事件关联检测方法,用于地震事件的更好检测。

    一种基于卷积神经网络的地震震相拾取及事件检测方法

    公开(公告)号:CN111060965A

    公开(公告)日:2020-04-24

    申请号:CN201911232461.0

    申请日:2019-12-05

    Abstract: 本发明涉及一种基于卷积神经网络的地震震相拾取及事件检测方法,属于地震事件检测和估计领域。本发明为了克服地震事件检测存在震相识别错误率高、事件误检、漏检率高的问题,通过对各个台站的连续数据以设定的时间窗口和步长,滑动截取连续数据为若干个待检测窗口,采用预先训练好的卷积神经网络模型对截取的每个数据窗口进行检测,得到震相识别概率序列和到时拟合值序列,再通过震相概率值大小和到时拟合值的极值确定震相名称和到时估计值;依据近震P、S到时差估算事件的初步位置和时间,将其作为常规的迭代反演定位程序的初始值,得到最终的事件位置和时间,从而实现了震相的准确识别和到时估计,以及获得了准确的地震事件位置和时间。

    一种基于卷积神经网络的地震震相拾取及事件检测方法

    公开(公告)号:CN111060965B

    公开(公告)日:2022-04-01

    申请号:CN201911232461.0

    申请日:2019-12-05

    Abstract: 本发明涉及一种基于卷积神经网络的地震震相拾取及事件检测方法,属于地震事件检测和估计领域。本发明为了克服地震事件检测存在震相识别错误率高、事件误检、漏检率高的问题,通过对各个台站的连续数据以设定的时间窗口和步长,滑动截取连续数据为若干个待检测窗口,采用预先训练好的卷积神经网络模型对截取的每个数据窗口进行检测,得到震相识别概率序列和到时拟合值序列,再通过震相概率值大小和到时拟合值的极值确定震相名称和到时估计值;依据近震P、S到时差估算事件的初步位置和时间,将其作为常规的迭代反演定位程序的初始值,得到最终的事件位置和时间,从而实现了震相的准确识别和到时估计,以及获得了准确的地震事件位置和时间。

    一种地震震相的拾取方法

    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

    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。

    一种地震震相的拾取方法

    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

    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。

Patent Agency Ranking