SeismoGen：基于生成对抗网络的地震波形合成
机器学习
2020-05-05 v2 地球物理
机器学习
摘要
从地震时间序列中检测地震事件已被证明是一项具有挑战性的任务。由于劳动强度大且数据集规模庞大，人工检测可能昂贵且繁琐。近年来，基于机器学习的自动检测方法被开发出来以提高准确性和效率。然而，这些方法的准确性依赖于足够数量的高质量训练数据，而由于领域知识和专业知识的需要，获取这些数据本身可能代价高昂。本文旨在通过回答两个问题来解决这一困境：(1) 在仅有有限数量可靠标签的情况下，我们能否用它们生成更多合成标签；(2) 我们能否利用这些合成标签提高可检测性？在所有现有的生成模型中，生成对抗网络（GAN）在多个领域中展现出生成高质量合成样本的强大能力。我们基于 GAN 设计了模型。具体而言，我们研究了几种不同的网络结构。通过比较生成结果，我们基于 GAN 的生成模型产生了最高质量。我们进一步将数据集与我们的生成模型生成的合成样本结合，并表明我们的地震分类模型的可检测性相比未扩充训练集训练的分类模型有显著提升。
引用
@article{arxiv.1911.03966,
title = {SeismoGen: Seismic Waveform Synthesis Using Generative Adversarial Networks},
author = {Tiantong Wang and Daniel Trugman and Youzuo Lin},
journal= {arXiv preprint arXiv:1911.03966},
year = {2020}
}