卷积神经网络余震自动识别及在中国地震台网地震检测中的应用

摘要

随着地震网络在全球范围大规模部署,每天产生的大量连续波形记录对数据处理的新方法提出了要求。传统的波形拾取算法都有一定的局限性,很难同时适用于复杂区域的不同类型地震事件的自动识别与到时挑选。机器学习和深度学习神经网络方法由于具有较强的泛化能力,近些年来受到越来越多关注。本研究使用汶川地震的10 000多个余震和专家手动挑取的P、S到时,构建了超过65 000个30 s长地震波形片段和超过200 000个噪声片段的高质量训练和测试样本集,并基于该数据集应用8层深度卷积神经网络(图1)进行地震与噪音分类,在Telsa P100 GPU单卡(显存12 GB)上训练80 000时间步,最优模型精度可达到99.3%,对8 000段测试地震样本的验证也达到了94%的精度。