使用神经网络对双重声波发射事件的歧视
Petr Kolář1, Matěj Petružálek2
1Institute of Geophysics of the Czech Academy of Sciences, Boční II 1401 141 31, Prague 4, Czech Republic.
Ultrasonics
|August 24, 2024
概括
这项研究引入了一个新的4D深度神经网络用于地震图处理. 它可以有效地同时检测多个地震事件,在双重事件中实现高精度.
科学领域:
- 地质物理学 地质物理学
- 地震学 地震学
- 机器学习 机器学习
背景情况:
- 在观测室地震学中,对地震图的自动处理是耗时的.
- 深度神经网络 (DNN) 为各种科学领域的数据处理提供了强大的方法.
研究的目的:
- 开发和评估基于U-net架构的4D深度神经网络 (DNN),用于从整个网络同时处理地震图.
- 评估DNN在检测多个地震事件中的能力,使用实验室生成的声辐射数据.
主要方法:
- 实现4D U-net架构,用于同时处理网络地震图.
- 利用从解释单个事件中获得的增强数据来训练DNN进行多事件检测.
- 使用实验室声学排放数据集评估检测效率,作为现实的测试集.
主要成果:
- 对于单个事件发作,DNN的平均检测效率约为30%.
- 该网络在20个样本的预测差异范围内检测双重事件的平均效率高达约97%.
- 同时网络信号处理被证明是多事件检测的重大优势.
结论:
- 开发的4D DNN提供了一种有效的方法,用于在观测室地震学中同时处理地震图和多事件检测.
- 尽管单个事件检测率较低,但网络在识别多个同时发生的事件方面表现出色,突出显示了全网络处理的优势.
