論文の概要: OKSP: A Novel Deep Learning Automatic Event Detection Pipeline for
Seismic Monitoringin Costa Rica
- arxiv url: http://arxiv.org/abs/2109.02723v1
- Date: Mon, 6 Sep 2021 20:24:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-08 14:24:37.220849
- Title: OKSP: A Novel Deep Learning Automatic Event Detection Pipeline for
Seismic Monitoringin Costa Rica
- Title(参考訳): OKSP:コスタリカにおける地震観測のための深層学習自動イベント検出パイプライン
- Authors: Leonardo van der Laat, Ronald J.L. Baldares, Esteban J. Chaves,
Esteban Meneses
- Abstract要約: コスタリカにおける地震モニタリングのための新しい自動地震検出パイプラインであるOKSPを紹介する。
OKSPは100%抜本的であり、精度は82%であり、F1スコアは0.90である。
この試みは、深層学習手法を用いてコスタリカの地震を自動的に検出する最初の試みであり、近い将来、地震監視ルーチンがAIアルゴリズムによって完全に実行されることを実証する。
- 参考スコア(独自算出の注目度): 0.0938460348620674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Small magnitude earthquakes are the most abundant but the most difficult to
locate robustly and well due to their low amplitudes and high frequencies
usually obscured by heterogeneous noise sources. They highlight crucial
information about the stress state and the spatio-temporal behavior of fault
systems during the earthquake cycle, therefore, its full characterization is
then crucial for improving earthquake hazard assessment. Modern DL algorithms
along with the increasing computational power are exploiting the continuously
growing seismological databases, allowing scientists to improve the
completeness for earthquake catalogs, systematically detecting smaller
magnitude earthquakes and reducing the errors introduced mainly by human
intervention. In this work, we introduce OKSP, a novel automatic earthquake
detection pipeline for seismic monitoring in Costa Rica. Using Kabre
supercomputer from the Costa Rica High Technology Center, we applied OKSP to
the day before and the first 5 days following the Puerto Armuelles, M6.5,
earthquake that occurred on 26 June, 2019, along the Costa Rica-Panama border
and found 1100 more earthquakes previously unidentified by the Volcanological
and Seismological Observatory of Costa Rica. From these events, a total of 23
earthquakes with magnitudes below 1.0 occurred a day to hours prior to the
mainshock, shedding light about the rupture initiation and earthquake
interaction leading to the occurrence of this productive seismic sequence. Our
observations show that for the study period, the model was 100% exhaustive and
82% precise, resulting in an F1 score of 0.90. This effort represents the very
first attempt for automatically detecting earthquakes in Costa Rica using deep
learning methods and demonstrates that, in the near future, earthquake
monitoring routines will be carried out entirely by AI algorithms.
- Abstract(参考訳): マグニチュードの地震は最も多いが、その低振幅と高周波数が不均一なノイズ源によって隠蔽されるため、頑丈かつよく位置を見つけることが最も困難である。
地震周期における応力状態と断層系の時空間的挙動について重要な情報を強調しており、その完全な特徴は地震被害評価を改善するために重要である。
現代のDLアルゴリズムは、計算能力の増大とともに、継続的に増加する地震データベースを利用して、地震カタログの完全性を改善し、小規模な地震を体系的に検出し、主に人間の介入によって引き起こされるエラーを減らすことができる。
本研究は,コスタリカにおける地震モニタリングのための新しい自動地震検出パイプラインであるOKSPを紹介する。
コスタリカ高技術センター(Costa Rica High Technology Center)のKabreスーパーコンピュータを用いて、2019年6月26日に発生したプエルトリコ・アルメニア地震(M6.5)の前後5日間にOKSPを適用し、以前コスタリカ火山・地震観測所(Volcanological and Seismological Observatory of Costa Rica)によって特定されていなかった1100以上の地震を発見した。
これらの出来事から、マグニチュード1.0以下の合計23の地震がメインショックの1日から数時間前に発生し、破壊開始と地震の相互作用に関する光を遮蔽し、この生産的な地震シーケンスが生じた。
以上の結果から, 研究期間において, 100%排他的, 82%の精度でF1スコアが0.90であった。
この試みは、深層学習手法を用いてコスタリカの地震を自動的に検出する最初の試みであり、近い将来、地震監視ルーチンがAIアルゴリズムによって完全に実行されることを実証する。
関連論文リスト
- Generalized Neural Networks for Real-Time Earthquake Early Warning [22.53592578343506]
我々は,任意の局分布を持つ任意の場所で発生した地震をニューラルネットワークトレーニングのために,データ組換え法を用いて生成する。
訓練されたモデルは、地震検出とパラメータ評価のための異なる監視装置を備えた様々な地域に適用することができる。
我々のモデルは、最初のトリガーステーションから4秒以内に地震の位置とマグニチュードを確実に報告し、平均誤差は2.6-6.3 kmと0.05-0.17である。
論文 参考訳(メタデータ) (2023-12-23T10:45:21Z) - Sarcasm Detection in a Disaster Context [103.93691731605163]
HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。
私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
論文 参考訳(メタデータ) (2023-08-16T05:58:12Z) - Convolutional neural network for earthquake detection [0.0]
地震活動の増加は、地震データ記録の指数的な成長を生み出した。
現在の地震検出法では、地震騒音に隠れている低マグニチュードの地震の多くを見逃している。
著者らは、地震記録から地震を検知し、発見するための畳み込みニューラルネットワーク(ConvNetQuake)を提案した。
論文 参考訳(メタデータ) (2023-04-17T14:47:17Z) - A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction [0.0]
本稿では、注意機構(AM)、畳み込みニューラルネットワーク(CNN)、双方向長短期記憶(BiLSTM)モデルに基づく新しい予測手法を提案する。
中国本土の地震カタログに基づいて,各地域の地震の規模と規模を推定することができる。
論文 参考訳(メタデータ) (2021-12-26T20:16:20Z) - Detecting Damage Building Using Real-time Crowdsourced Images and
Transfer Learning [53.26496452886417]
本稿では,Twitterなどのソーシャルメディアプラットフォームから地震後の建物画像を自動的に抽出する手法を提案する。
トランスファーラーニングと6500枚の手動ラベル付き画像を用いて,現場に損傷のある建物を画像として認識する深層学習モデルを訓練した。
訓練されたモデルは、異なる場所で新たに取得した地震の画像でテストし、トルコのM7.0地震の後、Twitterのフィードでほぼリアルタイムで実行された。
論文 参考訳(メタデータ) (2021-10-12T06:31:54Z) - Crack detection using tap-testing and machine learning techniques to
prevent potential rockfall incidents [68.8204255655161]
本稿では,岩盤の自動探傷システムを提案する。
ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。
音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
論文 参考訳(メタデータ) (2021-10-10T22:53:36Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳(メタデータ) (2021-05-06T15:24:00Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳(メタデータ) (2021-03-14T17:56:17Z) - Towards advancing the earthquake forecasting by machine learning of
satellite data [22.87513332935679]
本研究では,6マグニチュード以上の1,371地震の衛星データに基づく短期予測を行うための新しい機械学習手法であるInverse Boosting Pruning Trees(IBPT)を開発した。
提案手法は,選択された6つのベースラインを上回り,異なる地震データベースの地震予測の可能性を向上する強力な能力を示す。
論文 参考訳(メタデータ) (2021-01-31T02:29:48Z) - Real-time Earthquake Early Warning with Deep Learning: Application to
the 2016 Central Apennines, Italy Earthquake Sequence [26.349354722386526]
深層学習技術は、地震相ピックの代わりに完全な地震波形から震源情報を抽出する可能性を提供する。
我々は,地震を同時に検出し,震源パラメータを推定する,新しい深層学習型地震早期警報システムを開発した。
我々は,2016年イタリア中部アペニン地震(Mw 6.0)とそれに続く連続地震(Mw 6.0)に本システムを適用した。
論文 参考訳(メタデータ) (2020-06-02T01:27:25Z) - RescueNet: Joint Building Segmentation and Damage Assessment from
Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。
RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文 参考訳(メタデータ) (2020-04-15T19:52:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。