机器学习应用于地震预警中的地震波判别研究

摘要

由于天然或人为干扰产生的局部脉冲式噪声影响,使得地震预警系统出现误报。为减少此类问题,我们利用美国南加州和日本的30万条地震波形记录,训练了一个生成式对抗网络(GAN)用于识别P波初至特征。我们将GAN判别器作为自动特征提取器,并利用70万条地震事件和噪声波形记录训练了一个随机森林分类器。结果表明,该方法可以辨别99.2%的P波和98.4%的噪声信号。其优越的性能有望极大地减少因局部脉冲式噪声而造成的误触发数量。我们的研究表明,GAN判别器能获取简洁有效的地震波形特征,可广泛应用于地震学研究。小结 地震预警系统受到脉冲式噪声信号的干扰(非真实地震信号),有时偶尔会出现误触发的情况。这会造成不必要的经济损失和公众恐慌。本文利用机器学习工具判别波形是由地震产生的还是由局部噪声源产生的。我们通过利用美国南加州和日本大约70万条波形来训练算法。研究表明,利用机器学习方法可以识别99.2%的地震和98.4%的噪声。该方法可以减少大量的误报,能显著改善地震预警系统的鲁棒性。