将深度学习应用于远震震相检测与拾取：PcP 与 PKiKP 实例
地球物理
2019-10-22 v1 图像与视频处理
摘要
海量地震数据的可用性要求地震学研究者高效地分析地震震相。近来，深度学习算法在 P 波和 S 波震相的检测与拾取上展现出强大能力。然而，快速且准确地处理远震震相仍是一项挑战。在本研究中，我们应用基于深度学习的方案，从包含 7386 条地震图的 Hinet 数据集中检测并拾取 PcP 和 PKiKP 震相。该方案包含三步：首先，我们准备潜在震相数据，即依据理论到时从完整地震图中截取得到；其次，我们通过卷积神经网络识别并评估该潜在震相；第三，我们通过全卷积神经网络对良好或中等质量的震相初至进行拾取。检测结果表明该方案识别出了 92.15% 的 PcP 震相和 94.13% 的 PKiKP 震相。拾取结果对 PcP 和 PKiKP 震相的绝对平均误差分别为 0.0742 s 和 0.0636 s。将该拾取算法性能与传统 STA/LTA 方法进行比较。该方案处理全部 7386 条地震图约耗时 2 小时，其中仅最后两步就只花费约五分钟。
引用
@article{arxiv.1910.09049,
title = {Applying deep learning to teleseismic phase detection and picking: PcP and PKiKP cases},
author = {Congcong Yuan and Jie Zhang},
journal= {arXiv preprint arXiv:1910.09049},
year = {2019}
}
备注
34 pages, 10 figures