基于图神经网络的地震定位与震级估计
地球物理
2023-01-18 v1
摘要
我们通过一种监督学习方法解决地震定位与震级估计的传统问题，其中训练一个图神经网络直接从输入的到时数据预测估计值，且每个输入允许具有可变台站数量和位置的独立地震台网。我们使用基于假定走时和振幅-距离衰减模型的合成模拟来训练模型。该架构使用一个图表示台站集合，另一个图表示模型空间。输入包含给定模型参数的理论数据预测，以及定义空间局部元素连接的图的邻接矩阵。如我们所展示的，在这种组合表示上的图卷积在推断、数据融合和离群值抑制方面极为有效。我们将结果与传统方法比较，观察到良好的性能。
引用
@article{arxiv.2203.05144,
title = {Earthquake Location and Magnitude Estimation with Graph Neural Networks},
author = {Ian W. McBrearty and Gregory C. Beroza},
journal= {arXiv preprint arXiv:2203.05144},
year = {2023}
}