用于地震检测的 shapelets
机器学习
2019-11-21 v1 机器学习
摘要
本文提出 EQShapelets（EarthQuake Shapelets，地震 shapelets），一种嵌入机器学习中基于时间序列形状的自主检测地震的方法。它有望克服地震学领域中与地震自动检测与编目相关的挑战。EQShapelets 与振幅和相位无关，即其检测灵敏度与地震震级和发生时间无关。它们对噪声与其他杂散信号也具有鲁棒性。EQShapelets 的检测能力在 Northern California Seismic Network（NCSN，北加州地震网络）提供的位于加州中部 Calaveras 断层附近台站的一周连续地震数据上进行了测试。EQShapelets 结合 Random Forest（随机森林）分类器，检测出了所有已编目地震以及 281 个未编目事件，且误检率更低，从而提供了优于自相关与 FAST 算法的性能。EQShapelets 相对于竞争方法的主要优势在于其提供的可解释性与洞察。基于形状的方法直观、具有视觉意义，并提供了超越准确检测本身的对问题领域的直接洞察。若大规模部署，EQShapelets 可显著降低编目完备震级，并可作为近实时地震监测与编目的有效工具。
引用
@article{arxiv.1911.09086,
title = {Shapelets for earthquake detection},
author = {Monica Arul and Ahsan Kareem},
journal= {arXiv preprint arXiv:1911.09086},
year = {2019}
}