全球神经网络用于实时地震预警,经过一般化地震训练
Xiong Zhang1,2, Miao Zhang3
1Engineering Research Center for Seismic Disaster Prevention and Engineering Geological Disaster Detection of Jiangxi Province, East China University of Technology, Nanchang, Jiangxi China.
Communications earth & environment
|October 21, 2024
概括
对于地震预警 (EEW) 的深度学习模型现在在全球范围内适用. 一种新的数据重组方法使得通用神经网络能够从地震数据中快速检测地震并估计地震的大小.
科学领域:
- 地质物理学 地质物理学
- 地震学 地震学
- 人工智能的人工智能
背景情况:
- 深度学习模型通过分析地震波形来改善地震监测.
- 目前的模型在不同地理区域和站点设置中难以通用.
研究的目的:
- 开发通用地震检测和参数评估的通用深度学习模型.
- 以提高准确性和速度实现实时地震预警 (EEW).
主要方法:
- 用数据重组技术创建了一般化的地震数据,用于训练神经网络.
- 经过训练的模型在来自日本和加利福尼亚的地震数据上进行了测试.
主要成果:
- 一般化模型准确地检测到大多数地震,在P波到达后4秒内估计大小.
- 位置和大小的平均误差分别为2.6-7.3公里和0.05-0.32.
- 模型在各种地震序列和监测配置中展示了可靠的性能.
结论:
- 一般化神经网络显著提高了实时地震预警系统的全球适用性.
- 这种方法减少了对复杂,区域特定的经验配置的需求.
