基于单站强动力记录的深度学习气震中心定位
信号处理
2024-05-30 v1
摘要
本文探讨了深度学习技术应用于单站气震中心定位的问题。强动力记录因在地震研究中被低估,潜在包含丰富的地震事件信息。我们调查深度学习方法是否能够有效利用这些数据实现精准的气震中心定位。本研究引入AFAD-1218数据集,包含超过36000条来自土耳其的强动力记录。为利用时域或频域表示的强动力记录,我们提出两种神经网络架构:深度残差网络和时间卷积网络。通过大量实验,我们展示了深度学习方法从这些记录中提取有意义信息的有效性，凸显其在增强地震事件分析和定位精度方面的潜力。值得注意的是,我们发现通过排除低信噪比记录,在全国范围的实验和区域迁移学习场景中,都实现了显著的预测误差降低。总体而言,本研究凸显了深度学习技术在利用强动力记录改进地震事件表征和定位方面的潜力。
引用
@article{arxiv.2405.18451,
title = {Deep Learning-based Epicenter Localization using Single-Station Strong Motion Records},
author = {Melek Türkmen and Sanem Meral and Baris Yilmaz and Melis Cikis and Erdem Akagündüz and Salih Tileylioglu},
journal= {arXiv preprint arXiv:2405.18451},
year = {2024}
}