节点文献

一种识别宽频带震相的人工智能网络方法

An artificial neural network approach for broadband seismic phase picking

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具,请取消加速工具后下载。

【作者】 赵岳K.Takano赵英萍张从珍季爱东

【Author】 K.Takano

【机构】 河北省地震局河北省地震局

【摘要】 提出了用反向传播智能网作为检测器来识别宽频带震相的一种方法。通过对3种反向传播智能检测器(长周期、中周期和短周期)的结果进行综合判断,认为这种方法既有短周期检测器准确性高的特点又有长周期检测器误警率低的特点。我们举例证明了适当地对数据进行预处理和后处理有助于改进系统的性能。本文也对反向传播智能网的结构和参数的设定进行了讨论。我们用研制成功的反向传播智能网检测器对美国地震学联合研究协会地震台网的1254张宽频带地震图上的地震事件进行了初至检测,希望能用这些(?)时资料进行地幔结构的层析成像研究。结果表明:1254张地震图中95%以上可识别出初至。自动识别的走时精确度尚可,85%以上的走时误差小于1 s,约80%的延时误差小于0.5s。

  • 【文献出处】 世界地震译丛 ,Translated World Seismology , 编辑部邮箱 ,2001年04期
  • 【分类号】P315.63
  • 【被引频次】1
  • 【下载频次】34
节点文献中: 

本文链接的文献网络图示:

本文的引文网络