Print

基于深度学习残差网络模型的地震和爆破识别

论文摘要

为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1 000次独立的随机抽样子试验以及"留一交叉验证法"试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。

论文目录

  • 引言
  • 1 方法
  •   1.1 深度残差网络模型基本原理
  •   1.2 模型的构建
  • 2 数据预处理
  •   2.1 波形筛选
  •   2.2 功率谱估计
  • 3 训练集和测试集的创建及测试过程
  • 4 研究结果
  • 5 讨论与结论

    • 文章来源

    类型: 期刊论文

    作者: 隗永刚,杨千里,王婷婷,蒋长胜,边银菊

    关键词: 地震识别,爆破识别,深度学习,残差网络

    来源: 地震学报 2019年05期

    年度: 2019

    分类: 基础科学

    专业: 地质学,地球物理学

    单位: 中国地震局地球物理研究所

    基金: 中央级公益性科研院所基本科研专项(DQJB18B17,DQJB19B10)资助

    分类号: P315.7

    页码: 646-657+680

    总页数: 13

    文件大小: 1898K

    下载量: 129

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/9c77a49cbf3865fb1d1f6301.html