一种用于实时地震监测的机器学习增强鲁棒 P 波拾取器
信号处理
2020-08-21 v3 机器学习
摘要
识别地震 P 波到达时间在实时地震监测中起着重要作用，为应急活动提供关键指导。尽管已对该课题进行了大量研究，但高效捕获隐藏在密集分布且含噪地震波（如破坏性地震余震所产生的波）中的 P 波到达时间仍是一项真实挑战，因为地震学中大多数常见现有方法依赖费力的专家监督。为此，本文提出一种基于集成学习策略的机器学习增强框架 EL-Picker，用于连续海量波形上地震 P 波到达的自动识别。更具体地，EL-Picker 由触发、分类和精炼三个模块组成，并利用集成学习策略整合若干机器学习分类器。对 MS 8.0 汶川地震余震的评估表明，EL-Picker 不仅能取得最佳识别性能，还可作为补充数据多识别 120% 的 P 波到达。同时，实验结果也揭示了不同机器学习模型对来自不同地震台站波形的适用性，以及人工检查中可能忽略的 P 波到达规律。这些发现清楚地验证了 EL-Picker 的有效性、高效性、灵活性与稳定性。
引用
@article{arxiv.1911.09275,
title = {A Machine Learning-enhanced Robust P-Phase Picker for Real-time Seismic Monitoring},
author = {Dazhong Shen and Qi Zhang and Tong Xu and Hengshu Zhu and Wenjia Zhao and Zikai Yin and Peilun Zhou and Lihua Fang and Enhong Chen and Hui Xiong},
journal= {arXiv preprint arXiv:1911.09275},
year = {2020}
}
备注
Note that this paper is the English version of our work published in SCIENTIA SINICA Informationis (http://engine.scichina.com/doi/10.1360/SSI-2020-0214), which is suggested to be cited if needed