本发明公开了一种基于卷积神经网络的P波捡拾算法,包括以下步骤:步骤一,井下地震记录的筛选,在保证数据集高质量性的同时具备工程意义;步骤二,数据的划分与样本集的制作,通过合理配置训练、验证和测试集的样本数据使得模型最大化学习P波到时特征;步骤三,神经网络模型DPick的搭建,通过超参优化和训练策略的调整来获取结构较优解;步骤四,泛化性能测试,将训练完毕的DPick模型应用于新的台站记录来测试模型在未知事件中的性能表现。本发明,将深度学习算法应用于P波检测程序中,以此来改善传统P波捡拾算法存在的误、漏捡拾等问题,提升了P波到时拾取工作的时效性、准确性以及鲁棒性,为EEW系统的高精度地震预警信息预报提供重要基础和保障。
声明:
“基于卷积神经网络的P波捡拾算法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)