基于深度学习的实时地震监测:以土耳其地震余震序列为例
地球物理
2023-06-22 v2
摘要
地震震相拾取与震级估计是实时地震监测与地震预警系统的重要组成部分。可靠的震相拾取能够实现地震波到达的及时检测,促进快速地震特征刻画与预警发布。准确的震级估计提供关于地震规模与潜在影响的关键信息。这些步骤共同有助于有效的地震监测,提升我们在地震活跃区实施恰当应对措施与降低风险的能力。本研究中,我们探索深度学习在实时地震监测中的潜力。为此,我们首先介绍利用动态卷积神经网络检测地震体波震相的DynaPicker。随后,DynaPicker被用于对连续地震记录进行震相拾取。为展示DynaPicker效能,我们使用若干开源地震数据集(包括窗口格式数据与连续地震数据)进行震相识别与到时拾取。此外,DynaPicker在噪声污染低震级地震数据上的震相分类鲁棒性得到测试。最后,震相到时信息被整合进已发表的一个深度学习震级估计模型。该工作流程随后被应用并测试于土耳其地震后余震序列的连续记录,以检测地震、拾取震相并估计相应事件的震级。本案例研究结果在检测土耳其地震后余震及估计其震级方面表现出高度可靠性。
引用
@article{arxiv.2211.09539,
title = {Real-time Earthquake Monitoring using Deep Learning: a case study on Turkey Earthquake Aftershock Sequence},
author = {Wei Li and Jonas Koehler and Megha Chakraborty and Claudia Quinteros-Cartaya and Georg Ruempker and Nishtha Srivastava},
journal= {arXiv preprint arXiv:2211.09539},
year = {2023}
}