使用深度学习进行实时地震监测：土耳其地震余震序列的案例研究
摘要：实时地震监测和地震预警系统中，地震相位拾取和震级估计是至关重要的组成部分。可靠的相位拾取能及时检测到地震波到达，促进快速地震特征化和预警通知。准确的震级估计提供了关于地震规模和潜在影响的重要信息。这些步骤共同促进了有效的地震监测，增强了我们在地震活跃地区实施适当应对措施和减轻风险的能力。在本研究中，我们探索了深度学习在实时地震监测中的潜力。为此，我们首先介绍了利用动态卷积神经网络来检测地震体波相位的DynaPicker。随后，DynaPicker被用于连续地震记录上的地震相位拾取。为展示DynaPicker的有效性，我们使用了包括窗口格式数据和连续地震数据在内的几个开源地震数据集进行地震相位识别和到时拾取。此外，通过在低震级地震数据中加入噪声来测试DynaPicker在分类地震相位方面的鲁棒性。最后，将相位到达时间信息整合到先前发表的深度学习模型中进行震级估计。然后，将该工作流程应用于土耳其地震后续序列的连续记录，以检测地震、拾取地震相位并估计相应事件的震级。本案例研究所得结果在检测地震和估计土耳其地震后续震级方面展示了较高的可靠性。
作者：Wei Li, Jonas Koehler, Megha Chakraborty, Claudia Quinteros-Cartaya, Georg Ruempker, Nishtha Srivastava
论文ID：2211.09539
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-06-22