神经混合模型关联地震相
摘要：地震相联系是将地震网络中的相到达拾取分组成具有共同起源的子集的任务。在机器学习工具在这一领域的最近成功基础上，我们引入了一种神经混合模型联系算法（Neuma），该算法结合了物理信息的神经网络和混合模型，以解决这个具有挑战性的问题。我们的公式明确假设数据集中包含来自地震和由于相拾取错误和虚假拾取产生的噪声拾取。然后，问题陈述是将每个观测分配给地震或噪声。我们在确定每个拾取的最佳类别分配的同时，迭代地更新一组震源和震级。我们展示了通过使用物理信息的Eikonal求解器作为正向模型，我们可以对幸存拾取施加严格的质量控制，同时保持高召回率。我们在一系列具有挑战性的合成数据集和2019年加利福尼亚州里奇克雷斯特序列上评估了Neuma的性能。Neuma在每个合成数据集的精确度和召回率上优于基线算法。此外，它比里奇克雷斯特数据集上最佳基线检测到了额外的3285个地震（13.5%），同时大幅改善了震源。
作者：Zachary E. Ross, Weiqiang Zhu, Kamyar Azizzadenesheli
论文ID：2301.02597
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-01-09