一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法技术

本发明专利技术涉及基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法。首先通过已有地震数据构建一个包含海洋地震数据与多台站海洋地震波形的数据集，再通过多层卷积神经网络与残差神经网络模块，提取地震波形，构建包含事件索引与台站索引关系的查找表，描述地震事件与台站检测的相应关系，然后利用图神经网络提取台站与地震事件的对应关系，在模型中加入台站的时间信息与地理位置信息，通过多个全连接层后，模型最终能得到地震震源经纬度、震源深度、震级四个参数。通过已知数据集训练该模型，估计未知地震的相应地震参数。本发明专利技术能够通过分析地震到达时多台站的地震波形，从而对地震的参数进行一个准确快速的估计，从而用于地震预警工作。

【技术实现步骤摘要】

本专利技术属于海洋地震参数评估领域，尤其涉及一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法。

技术介绍

1、

2、目前国内外海洋地震参数评估方面的研究较为不完善、仍未形成体系。由于海洋地震台站造价昂贵、数量稀少，导致海洋地震观测数据相对较少，对海域地震动与陆地地震动差异的定量分析不足，因此通过相应物理学方法在进行海洋地震参数估计时，存在计算量大、模型结构和参数不完善的问题。虽然分布式光纤传感(das)在海洋水声和海洋地震领域得到关注，但其存在信噪比低、可靠性差的内在难题，导致海洋地震参数分析难度加大。这一系列困难导致海洋地震参数估计问题的复杂程度上升，同时使得参数估计的准确程度难以得到一个准确的衡量指标。

技术实现思路

1、针对现有技术的以上问题，本专利技术旨在提供一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法。本专利技术通过多层卷积神经网络的使用与超参数配置，提取地震波形中的更深层次的信息量，从而解决海洋地震波形信噪比高的问题。本专利技术通过图神经网络方法的引入，使得本文档来自技高网...

【技术保护点】

1.一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法，其特征在于：步骤1中，构建多台站海洋地震参数与波形的数据集时，首先将所有事件和站点的参数归一化到±1范围内，其中对于阿拉斯加地震数据集，将纬度范围、经度范围设定成一个区间，纬度为北纬51至60度，经度为西经146到164度，并为震级和深度设置一个最大值(最小值默认为0)，其中震级最大为7，深度最大为240km，假设设定的区间最小值为xmin，最大值为xmax，则对于一个给定的地震参数信息x，...

【技术特征摘要】

1.一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法，其特征在于：步骤1中，构建多台站海洋地震参数与波形的数据集时，首先将所有事件和站点的参数归一化到±1范围内，其中对于阿拉斯加地震数据集，将纬度范围、经度范围设定成一个区间，纬度为北纬51至60度，经度为西经146到164度，并为震级和深度设置一个最大值(最小值默认为0)，其中震级最大为7，深度最大为240km，假设设定的区间最小值为xmin，最大值为xmax，则对于一个给定的地震参数信息x，通过以下方式将其归一化

3.根据权利要求1所述的一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法，其特征在于：步骤2中，卷积神经网络采用了多个卷积层和最大池化层，在这些层中的卷积层中，卷积操作后使用了批归一化的操作，即对批次中的所有数据xi计算均值μb与方差

4.根据权利要求1所述的一种基于卷积神经网络与图神经网络的多台站海洋地震参数估计方法，其特征在于：步骤3中，构建了包含事件索引和台站索引对应关系的查找表，对于单个地震事件ei，通过遍历所有的台站可以找到检测到该地震事件的台站si1,si2,…,sin，该地震事件与台站的索引对应关系引申为地震波形与台站检测时间...

【专利技术属性】
技术研发人员：嵇逸凡，钟诚凯，黄永明，
申请(专利权)人：东南大学，
类型：发明
国别省市：