申请/专利权人：天津市地震局

申请日：2023-10-26

公开（公告）日：2024-02-13

公开（公告）号：CN117555019A

主分类号：G01V1/28

分类号：G01V1/28;G06F18/213;G06F18/2415;G06F18/2431;G06F18/25;G06N3/0464;G06N3/048;G06N3/084;G06N3/0985;G01V1/30;G01V1/36

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明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。

主权项：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：1地震信号预处理及标签生成；采用地震台站传感器记录的一维三分量加速度信号波形数据，依据震相报告中人工标注的到时，截取包含P波和S波到时的波形数据，进行去均值、归一化并填充至预设长度；依据震相报告中人工标注的到时，以P波到时前后0.5秒，S波到时前后1秒的时间范围作为震相到时，利用二值化编码方式生成标签；2深度残差网络搭建；2.1输入降维：深度残差网络输入为预处理后的一维三分量地震波形数据，首先采用64个大小为7的卷积核，步长为2，填充为3的一维卷积层进行特征提取，然后再将该一维卷积层的输出结果输入最大池化层进行降维，得到64个长度为750的特征图；2.2到时拾取阶段；2.2.1第一残差块第一层采用64个大小为1的卷积核，第二层采用64个大小为3的卷积核，填充为1，第三层采用128个大小为1的卷积核，所有卷积核步长为1，卷积核输出经过批正则化层及ReLU激活函数后再输入下一卷积层中；残差块输入特征图与第三层输出特征图相加得到残差块输出；残差块输入特征图与第三层输出特征图数目不等，采用128个大小为1的卷积核，步长为1，对输入特征图数目进行变换；2.2.2第二残差块第一层采用128个卷积核，步长为2，第二层采用64个卷积核，第三层采用256个卷积核；采用256个大小为1的卷积核，步长为2，对输入特征图数目及长度进行变换；其余参数与步骤2.2.1相同，特征图长度减小至375；2.3震相分类阶段；2.3.1采用三个残差块进行特征提取，其三层卷积核个数分别为256、128、512，512、128、512，512、256、1024，采用步骤2.2.1中参数及特征图变换方法；提取特征后将特征图输入一个上采样层中进行最近邻插值，特征图长度扩大至750；2.3.2采用两个残差块进行特征提取，其三层卷积核个数分别为1024、256、1024，1024、512、128，采用步骤2.2.1中参数及特征图变换方法；采用步骤2.3.1中相同最近邻插值方法，特征图长度扩大至1500；2.3.3采用两个残差块进行特征提取，其三层卷积核个数分别为512、128、256，256、64、512，采用步骤2.2.1中参数及特征图变换方法；采用步骤2.3.1中相同最近邻插值方法，特征图长度扩大至3000；2.3.4采用两个残差块进行特征提取，其三层卷积核个数分别为128、32、64，64、16、3，采用步骤2.2.1中参数及特征图变换方法；采用Softmax函数将特征图输出转化为预测到时概率，最终输出三张特征图分别表示波形中各点为噪声，P波到时与S波到时的概率；3深度残差网络训练；深度残差网络预测到时概率的交叉熵损失函数是：其中Y’为标签值，Y为网络最后一层经Softmax函数输出得到的概率值，j为采样点序号，i＝1，2，3时分别表示该点属于噪声，P波和S波三种类别；采用小批量梯度下降策略更新网络参数，并使用Adam优化算法以使交叉熵损失函数最小为目标进行参数优化，经过多轮迭代后最终得到训练好的到时拾取及震相分类网络模型；4进行地震信号到时拾取及震相分类时，将预处理后的数据输入训练完毕的深度残差网络，其输出即为预测到时概率，通过不同特征图中出现的到时概率进行震相分类。

全文数据：

权利要求：

百度查询： 天津市地震局 基于深度残差网络的地震信号到时拾取及震相分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD