中文无码精品A∨在线观看不卡,亚洲AV美女一区二区三区,国外AV无码精品国产精品,H无码动漫在线观看,精品免费久久久久久久

研究背景：

地震事件識別是地震監測業(yè)務(wù)的基礎性工作，特別是隨著(zhù)大規模地震臺站建設、海量地震數據匯聚以及地震預警的發(fā)展，從連續波形記錄中自動(dòng)識別出地震信號顯得更加重要。然而，地脈動(dòng)的存在可能會(huì )造成P波自動(dòng)撿拾算法的誤觸發(fā)，這對地震事件識別工作提出了相當大的挑戰。而且不同地區的地震常常呈現出獨特的地震特征，所以目前的地震識別工作主要是依賴(lài)于人工完成。因此在海量地震數據時(shí)代，開(kāi)發(fā)高效、高精度、通用的地震自動(dòng)檢測算法顯得尤為重要。本文采用生成對抗網(wǎng)絡(luò )方法，將傳統的地震事件識別問(wèn)題轉化為一個(gè)將地震事件與地脈動(dòng)噪聲的分類(lèi)問(wèn)題，旨在探索機器學(xué)習算法在地震監測中的可行性。

研究方法及結果：

1）本文首先基于日本K-NET和KiK-net臺網(wǎng)共52537條強震動(dòng)記錄訓練生成對抗網(wǎng)絡(luò )（GAN，generative adversarial network），然后利用訓練有素的判別器對測試集的地震與地脈動(dòng)進(jìn)行區分。最后利用判別器對日本“311”大地震的地震記錄進(jìn)行驗證。圖1顯示了本文所使用的生成對抗網(wǎng)絡(luò )的訓練過(guò)程和測試過(guò)程。

2）通過(guò)測試集的驗證，訓練有素的判別器可以識別出99.89%的地震和99.24%的地脈動(dòng)記錄。圖2(a)為測試數據與P波輸出概率的關(guān)系。橫坐標值為0-0.1的百分比越高，證明模型對于地脈動(dòng)的分類(lèi)結果越自信；同理，橫坐標值為0.9-1.0的百分比越高，證明模型對于地震的分類(lèi)結果越自信。由圖可知，兩端的百分比表明模型對于測試結果的自信程度非常高。圖2(b)顯示了模型分類(lèi)準確率與震級的關(guān)系，除6≤M＜7外，模型的分類(lèi)準確率均超過(guò)99.8%。經(jīng)過(guò)分析，6≤M＜7的誤分類(lèi)也在可允許的范圍內。

3）圖3顯示了本文利用生成對抗網(wǎng)絡(luò )識別日本“311”大地震的結果。經(jīng)過(guò)測試，判別器只識別出“311”地震數據集中75.29%的地震記錄，但模型性能較差的部分均體現在震中距超過(guò)200 km的地震中（如圖3(a)），近場(chǎng)記錄的分類(lèi)準確率高達98%（如圖3(b)）。通過(guò)測試集與日本“311”地震數據集的驗證，證明該方法是一種非?？煽康牡卣鹱R別方法，通過(guò)將復雜的地震識別問(wèn)題轉化為簡(jiǎn)單的二分類(lèi)問(wèn)題，本文在一定程度上避免了識別過(guò)程中可能會(huì )出現的問(wèn)題，從而驗證了無(wú)監督學(xué)習方法在地震監測與地震預警中的應用可行性。

該成果發(fā)表在美國地震學(xué)會(huì )SSA旗下期刊《Bulletin of the Seismological Society of America》（Heyi Liu, Shanyou Li, Jindong Song*. Discrimination between earthquake P waves and microtremors via a generative adversarial network. Bulletin of the Seismological Society of America. 2022. https://doi.org/10.1785/0120210231）（IF：2.910，*通訊作者）。

圖1 本文所使用的生成對抗網(wǎng)絡(luò )的訓練和測試過(guò)程

(a)測試數據百分比與P波輸出概率的關(guān)系 (b)模型分類(lèi)準確率與震級的關(guān)系
圖2 生成對抗網(wǎng)絡(luò )識別地震的結果分析

圖3 (a)日本“311”地震數據集中，模型分類(lèi)準確率與震中距的關(guān)系 (b)日本“311”地震數據集中，震中距≤200公里的真陽(yáng)性和假陰性記錄位置

紅星代表震中，三角形代表觸發(fā)臺站的位置，黑色三角形表示真陽(yáng)性地震，紅色三角形表示假陰性地震