基于迁移学习的岩石边坡微地震事件检测算法

摘要

基于迁移学习,设计一套岩石边坡微地震事件检测算法流程,用于自动化处理岩石边坡数据。基于海量人工标注的天然地震数据进行训练,得到深度学习预训练模型,并利用少量人工标注的微地震数据进行微调,使得模型可以适用于滑坡体微地震数据。采用实际标注数据进行测试,结果表明,基于迁移学习模型的查准率和查全率分别可达0.884和0.91。分析认为,在迁移学习流程中,深度学习模型减少了对于标注数据的依赖,同时可以仅经少量迭代即可得到鲁棒的、高精度结果。该模型部分程序是开源的,可以将其迁移到更多区域的微地震事件检测工作中。