利用深度学习从环境噪声相关中提取频散曲线
机器学习
2020-12-30 v1 图像与视频处理
地球物理
机器学习
摘要
我们提出一种机器学习方法来分类面波频散曲线的相位。在接收器阵列上观测到的表面的标准 FTAN 分析被转换为图像,其中每个像素被分类为基模、第一泛音或噪声。我们使用卷积神经网络(U-net)架构与监督学习目标,并引入迁移学习。训练最初使用合成数据以学习粗略结构,随后基于人工分类使用约 10% 的真实数据对网络进行微调。结果显示机器分类与人工拾取的相位几乎一致。将方法扩展为一次处理多幅图像并未改善性能。所开发的技术将促进大型频散曲线数据集的自动化处理。
引用
@article{arxiv.2002.02040,
title = {Extracting dispersion curves from ambient noise correlations using deep learning},
author = {Xiaotian Zhang and Zhe Jia and Zachary E. Ross and Robert W. Clayton},
journal= {arXiv preprint arXiv:2002.02040},
year = {2020}
}