基于深度残差网络的地震信号到时拾取及震相分类方法技术

本发明专利技术公开了一种基于深度残差网络的地震信号到时拾取及震相分类方法。本发明专利技术先通过采用64个大小为7的卷积核的一维卷积层进行特征提取，之后输入最大池化层进行降维，得到长度为750的特征图，再经过两个由三组“卷积层、批正则化层、ReLu激活函数”结构组成的残差块，三个卷积层分别采用1*1、3*3和1*1的卷积核，特征图长度减小至375，实现到时拾取，然后依次经过三个残差块和一个上采样层、两个残差块和一个上采样层、两个残差块和一个上采样层，将特征图长度扩大至3000，再经过两个残差块后实现震相分类，最后采用Softmax函数将特征图输出转化为预测的噪声、P波到时与S波到时的概率，通过不同特征图中出现的到时概率进行震相分类。

【技术实现步骤摘要】

本专利技术属于地震信号检测领域，更为具体地讲，涉及一种基于深度残差网络的地震信号到时拾取及震相分类方法。

技术介绍

1、基于地震台网的观测数据，编制地震观测报告(简称“地震编目”)是中国地震局地震工作的核心任务之一。地震编目包括地震波震相识别和到时拾取在内的多个内容，比如：地震的振幅和周期、地震的定位以及初动极性的标注等。其中，最重要的环节就是震相识别和到时拾取，在地震行业发展至今，已经衍生了人工识别和自动识别两种方式：人工识别主要靠地震台网工作人员通过浏览地震台监测到的连续波形数据来识别地震，这种方法效率低、并且受分析人员影响导致主观性强、一致性差，尤其是遇到余震序列时，经常出现漏检情况；自动识别是建立特征方程用来描述波形的振幅、频率等特征，再由某种算法进行检测，这种方法也表现出了稳定性差、灵敏度低、检测效果欠佳等局限性。近年来随着科研工作的不断推进，地震的自动识别算法也在逐渐的改进和完善，但是仍有不足之处，比如震相识别仍然不够精确，也经常出现漏检和误判的情况。此外，随着人工智能技术的发展，全国范围内大规模建设的地震台网监测站获取的海量数据，可以结合人工本文档来自技高网...

【技术保护点】

1.一种基于深度残差网络的地震信号到时拾取及震相分类方法，其特征在于，包括下列步骤：

【技术特征摘要】

1.一种基于深度残差网络的地震信号到时拾取...

【专利技术属性】
技术研发人员：谭毅培，闫恒睿，邓莉，丁晶，马婷，
申请(专利权)人：天津市地震局，
类型：发明
国别省市：