本文主要研究内容
作者蔡振宇,盖增喜（2019）在《人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例》一文中研究指出：为了准确而迅速地拾取大量地震事件的P波初至,将深度学习方法引入微地震P波初至到时拾取研究中,对卷积神经网络的结构进行改造,以便适应地震波形数据的特点和P波初至拾取的要求。该算法只需要输入10s窗口的三分量地震波形数据,就可以自动地判定P波初至时刻,无需扫描连续波形,运算时间远远小于长短窗、模板匹配等传统方法。使用该算法训练汶川地震主震后2008年7—8月7467条人工拾取的余震P波初至到时,将得到的模型对测试集中1867条数据的计算结果与人工拾取结果对比,误差小于0.5 s者占比达到98.9%。在低信噪比条件下,该方法仍能保持较好的拾取能力。
Abstract
wei le zhun que er xun su de she qu da liang de zhen shi jian de Pbo chu zhi ,jiang shen du xue xi fang fa yin ru wei de zhen Pbo chu zhi dao shi she qu yan jiu zhong ,dui juan ji shen jing wang lao de jie gou jin hang gai zao ,yi bian kuo ying de zhen bo xing shu ju de te dian he Pbo chu zhi she qu de yao qiu 。gai suan fa zhi xu yao shu ru 10schuang kou de san fen liang de zhen bo xing shu ju ,jiu ke yi zi dong de pan ding Pbo chu zhi shi ke ,mo xu sao miao lian xu bo xing ,yun suan shi jian yuan yuan xiao yu chang duan chuang 、mo ban pi pei deng chuan tong fang fa 。shi yong gai suan fa xun lian wen chuan de zhen zhu zhen hou 2008nian 7—8yue 7467tiao ren gong she qu de yu zhen Pbo chu zhi dao shi ,jiang de dao de mo xing dui ce shi ji zhong 1867tiao shu ju de ji suan jie guo yu ren gong she qu jie guo dui bi ,wu cha xiao yu 0.5 szhe zhan bi da dao 98.9%。zai di xin zao bi tiao jian xia ,gai fang fa reng neng bao chi jiao hao de she qu neng li 。
论文参考文献
论文详细介绍
论文作者分别是来自北京大学学报(自然科学版)的蔡振宇,盖增喜，发表于刊物北京大学学报(自然科学版)2019年03期论文，是一篇关于人工智能论文,机器学习论文,深度学习论文,小波变换论文,初至拾取论文,北京大学学报(自然科学版)2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自北京大学学报(自然科学版)2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：人工智能论文; 机器学习论文; 深度学习论文; 小波变换论文; 初至拾取论文; 北京大学学报(自然科学版)2019年03期论文;