机器学习方法在Ostrava地区地震事件分类中的应用
机器学习
2025-09-29 v1
摘要
捷克共和国东北部地区是该国地震最活跃的区域之一。最频繁的地震事件是采矿诱发的，因为过去曾有强烈的采矿活动。然而，也可能发生天然构造事件。此外，地震台站经常记录到该地区采石场的爆炸。尽管采矿活动已经停止，但矿诱地震事件仍时有发生。因此，快速区分构造事件与人为事件仍然很重要。该地区目前由建于1983年的 Ostrava-Kr\'{a}sn\'{e} Pole 的 OKC 地震台站监测，该台站是捷克区域地震台网的一部分。自2007年以来，该台站一直提供100 Hz的数字连续波形数据。在1992至2002年间，该地区由 Seismic Polygon Fren\v{s}t\'{a}t (SPF) 联合监测，该系统由五个使用触发式 STA/LTA 系统的地震台站组成。在本研究中，我们将机器学习方法应用于 SPF 数据集并进行比较，该数据集包含构造事件与采矿诱发事件的标注记录。对于二元分类，长短期记忆递归神经网络和 XGBoost 取得了 0.94 至 0.95 的 F1 分数，展示了现代机器学习技术在快速事件表征中的潜力。
引用
@article{arxiv.2509.22574,
title = {Machine learning approaches to seismic event classification in the Ostrava region},
author = {Marek Pecha and Michael Skotnica and Jana Rušajová and Bohdan Rieznikov and Vít Wandrol and Markéta Rösnerová and Jaromír Knejzlík},
journal= {arXiv preprint arXiv:2509.22574},
year = {2025}
}
备注
10 pages, 5 figures