神经算子下的下一代地震监测
摘要：全网波相拾取是在全球范围内支持地震监测运营的任务，其目的是在地震图上注释地震波到达时间。现阶段波相拾取的最先进方法使用深度神经网络以独立地为每个测站注释地震图。这与人类专家在注释地震数据时同时考虑整个网络的波形形成了鲜明对比。由于单一测站算法的性能提高接近饱和，明显可见有意义的未来进步需要能够自然地同时检查整个网络数据的算法。本文介绍了一种通用的全网波相拾取算法PhaseNO，它基于最近开发的名为神经操作员的机器学习范例。PhaseNO可以使用任意数量和任意几何布局的测站数据，在整个地震网络上同时拾取相位。通过利用自然的空间和时间上下文信息，PhaseNO在探测到更多地震、拾取到更多相位到达时间的同时，也大大提高了测量精度，相比领先基准算法实现了更优异的性能。我们的方法类似于人工智能领域的类似趋势，只是展示了充分利用全球收集的庞大地震数据集潜在收益的一瞥。
作者：Hongyu Sun, Zachary E. Ross, Weiqiang Zhu, and Kamyar Azizzadenesheli
论文ID：2305.03269
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-05-08