基于深度学习的地震与爆破事件自动识别研究
作者:高永国; 尹欣欣; 李少华
更新时间:
针对自然地震事件和爆破事件的分类,利用甘肃及其周边地区80个自然地震事件和20个爆破事件建立数据集,采用深度学习卷积神经网络(CNN)的方法建立两个不同结构的模型进行训练,并以500个训练集以外的自然地震事件和爆破事件的波形作为测试数据集,训练和测试的准确率在90%以上。结果表明,本文设计的两个模型具有一定的泛化能力,尤其是InceptionV1模型在自然地震事件和爆破事件的分类识别中是有效的。
针对自然地震事件和爆破事件的分类,利用甘肃及其周边地区80个自然地震事件和20个爆破事件建立数据集,采用深度学习卷积神经网络(CNN)的方法建立两个不同结构的模型进行训练,并以500个训练集以外的自然地震事件和爆破事件的波形作为测试数据集,训练和测试的准确率在90%以上。结果表明,本文设计的两个模型具有一定的泛化能力,尤其是InceptionV1模型在自然地震事件和爆破事件的分类识别中是有效的。