基于标准化流的深度变分贝叶斯网络用于从InSAR影像估算地震多灾害及影响
机器学习
2024-03-21 v2 计算机视觉与模式识别
摘要
地震等现场灾害可引发滑坡和基础设施损毁等连锁灾害与影响，造成灾难性损失；因此，快速准确的估算对于及时有效的灾后响应至关重要。干涉合成孔径雷达（InSAR）数据在提供高分辨率现场信息以快速估算灾害方面具有重要作用。大多数近期使用InSAR影像信号的方法仅预测单一类型灾害，因而常因共址灾害、影响及无关环境变化（如植被变化、人类活动）引起的噪声与复杂信号而精度较低。我们提出了一种新颖的基于标准化流的随机变分推断方法，用于从含噪InSAR影像中联合近似多种未观测灾害与影响的后验分布。
引用
@article{arxiv.2310.13805,
title = {Normalizing flow-based deep variational Bayesian network for seismic multi-hazards and impacts estimation from InSAR imagery},
author = {Xuechun Li and Paula M. Burgi and Wei Ma and Hae Young Noh and David J. Wald and Susu Xu},
journal= {arXiv preprint arXiv:2310.13805},
year = {2024}
}
备注
This paper needs to be reviewed by the USGS