論文の概要: Generalized Neural Networks for Real-Time Earthquake Early Warning
- arxiv url: http://arxiv.org/abs/2312.15218v1
- Date: Sat, 23 Dec 2023 10:45:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 19:14:08.496590
- Title: Generalized Neural Networks for Real-Time Earthquake Early Warning
- Title(参考訳): 地震早期警戒のための一般化ニューラルネットワーク
- Authors: Xiong Zhang, Miao Zhang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 22.53592578343506
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning enhances earthquake monitoring capabilities by mining seismic
waveforms directly. However, current neural networks, trained within specific
areas, face challenges in generalizing to diverse regions. Here, we employ a
data recombination method to create generalized earthquakes occurring at any
location with arbitrary station distributions for neural network training. The
trained models can then be applied to various regions with different monitoring
setups for earthquake detection and parameter evaluation from continuous
seismic waveform streams. This allows real-time Earthquake Early Warning (EEW)
to be initiated at the very early stages of an occurring earthquake. When
applied to substantial earthquake sequences across Japan and California (US),
our models reliably report earthquake locations and magnitudes within 4 seconds
after the first triggered station, with mean errors of 2.6-6.3 km and
0.05-0.17, respectively. These generalized neural networks facilitate global
applications of real-time EEW, eliminating complex empirical configurations
typically required by traditional methods.
- Abstract(参考訳): 深層学習は地震波形を直接マイニングすることで地震モニタリング能力を高める。
しかし、特定の領域でトレーニングされた現在のニューラルネットワークは、さまざまな領域に一般化する上での課題に直面している。
そこで我々は,任意の局分布を持つ任意の場所で発生する汎用地震を生成するために,データ組換え手法を用いた。
トレーニングされたモデルは、地震検出と連続地震波形ストリームからのパラメータ評価のために異なる監視設定を持つ様々な領域に適用することができる。
これにより、発生した地震のごく初期段階でリアルタイム地震早期警戒(EEW)を開始することができる。
日本とカリフォルニアの地震列に適用した場合, 震源局から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2.6-6.3km, 0.05-0.17である。
これらの一般化されたニューラルネットワークはリアルタイムEEWのグローバルな応用を促進する。
関連論文リスト
- Multi-task multi-station earthquake monitoring: An all-in-one seismic
Phase picking, Location, and Association Network (PLAN) [19.697978881402143]
標準的な監視ワークフローには、フェーズピッキング、アソシエーション、ロケーションといった相互に依存したタスクが含まれている。
本稿では, マルチステーション地震データを直接処理し, 同時位相選択, 関連, 位置を求めるグラフニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2023-06-24T09:46:18Z) - 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) - Classification of structural building damage grades from multi-temporal
photogrammetric point clouds using a machine learning model trained on
virtual laser scanning data [58.720142291102135]
実世界の点雲からの多層建築物の損傷を自動的に評価する新しい手法を提案する。
我々は、仮想レーザースキャン(VLS)データに基づいて訓練された機械学習モデルを使用する。
このモデルでは、高いマルチターゲット分類精度(全精度:92.0% - 95.1%)が得られる。
論文 参考訳(メタデータ) (2023-02-24T12:04:46Z) - Detecting train driveshaft damages using accelerometer signals and
Differential Convolutional Neural Networks [67.60224656603823]
本稿では,高度2次元畳み込みニューラルネットワーク(CNN)アーキテクチャに基づく鉄道軸状態監視システムの開発を提案する。
その結果,鉄道軸受振動信号を時間周波数領域表現,すなわち分光図に変換し,そのひび割れに応じて2次元CNNを訓練する。
論文 参考訳(メタデータ) (2022-11-15T15:04:06Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳(メタデータ) (2021-11-23T22:25:10Z) - OKSP: A Novel Deep Learning Automatic Event Detection Pipeline for
Seismic Monitoringin Costa Rica [0.0938460348620674]
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。
論文 参考訳(メタデータ) (2021-09-06T20:24:49Z) - 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) - Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。
地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文 参考訳(メタデータ) (2020-02-05T10:11:26Z) - Seismic horizon detection with neural networks [62.997667081978825]
本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
論文 参考訳(メタデータ) (2020-01-10T11:30:50Z) - SeismiQB -- a novel framework for deep learning with seismic data [62.997667081978825]
ニューラルネットワークの開発に重点を置いた、オープンソースのPythonフレームワークを開発しました。
複数のデータフォーマットで地震波キューブを高速にロードする便利なツールを提供する。
また、望まれる形状の作物を生産し、様々な変換で増強する。
論文 参考訳(メタデータ) (2020-01-10T10:45:56Z)
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。