単一の地震センサーからのフィンクジラの範囲推定の分類精度

科学分野:

• 海洋バイオアコースティック
• 地震学 地震学とは
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) というものです.

背景:

• 海底地震計 (OBS) は,バレーンクジラの音響モニタリングにますます使用されています.
• シングル・ステーション・レンジング・テクニックは,3つのコンポーネント (3C) の方法と同様に,地上運動指向を用いてクジラ信号の範囲を推定します.
• 計測器の深さに基づいた3C範囲の推定値の妥当性を確保するために,分類プロセスが必要である.

研究 の 目的:

• OBSデータから3C範囲の推定値の妥当性を決定するための分類モデルを開発・評価する.
• 海洋哺乳類の監視と保全のための地震データの有用性を向上させる.

主な方法:

• 意思決定ツリー (DTs),汎用添加モデル,およびニューラルネットワークの3つの分類モデルを訓練し,評価しました.
• モデル開発のために6つの場所から20Hzのクジラの呼び出しを使用した.
• チャンネル振幅,信号品質,極化,および推定信号角度を含む組み込み変数.

主要な成果:

• 意思決定ツリー (DT) モデルは,テストデータで0.94の精度で最高性能を達成しました.
• 範囲推定有効性の主要な予測要因には,水平対垂直の振幅比差,極化メトリック,Yチャンネル振幅が含まれていました.
• 開発されたフレームワークは,地震学に基づくクジラ追跡の信頼性を高めます.

結論:

• 決定樹は,地震から派生したクジラ群の有効性を分類するための堅固な方法を提供します.
• このフレームワークは,海洋哺乳類の研究と保全活動におけるOBSデータの適用を強化します.
• 地震信号の正確な分類は,効果的なバイオアコースティックモニタリングに不可欠です.