本發明公開了一種基于卷積神經網絡的P波撿拾算法,包括以下步驟:步驟一,井下地震記錄的篩選,在保證數據集高質量性的同時具備工程意義;步驟二,數據的劃分與樣本集的制作,通過合理配置訓練、驗證和測試集的樣本數據使得模型最大化學習P波到時特征;步驟三,神經網絡模型DPick的搭建,通過超參優化和訓練策略的調整來獲取結構較優解;步驟四,泛化性能測試,將訓練完畢的DPick模型應用于新的臺站記錄來測試模型在未知事件中的性能表現。本發明,將深度學習算法應用于P波檢測程序中,以此來改善傳統P波撿拾算法存在的誤、漏撿拾等問題,提升了P波到時拾取工作的時效性、準確性以及魯棒性,為EEW系統的高精度地震預警信息預報提供重要基礎和保障。
聲明:
“基于卷積神經網絡的P波撿拾算法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)