Fugu-MT 論文翻訳(概要): Generalized Neural Networks for Real-Time Earthquake Early Warning

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

Fast Information Streaming Handler (FisH): A Unified Seismic Neural Network for Single Station Real-Time Earthquake Early Warning [56.45067876391473]
既存のEEWアプローチは、フェーズの選択、位置推定、大きさ推定を独立したタスクとして扱い、統一されたフレームワークを欠いている。我々は高速情報ストリーミングハンドラー(FisH)と呼ばれる新しい統合型地震波ニューラルネットワークを提案する。 FisHは、リアルタイムストリーミング地震データを処理し、位相選択、位置推定、大きさ推定をエンドツーエンドで同時生成するように設計されている。
論文参考訳（メタデータ） (2024-08-13T04:33:23Z)
Estimating Earthquake Magnitude in Sentinel-1 Imagery via Ranking [5.71478837100808]
本稿では,地震の規模を計量学習問題として推定する。我々は、Sentinel-1衛星画像から地震の大きさを推定し、さらにペアのサンプルをランク付けするためにモデルを訓練する。実験の結果,従来の回帰のみに基づく手法に比べて最大30%以上のMAEの改善が得られた。
論文参考訳（メタデータ） (2024-07-25T15:35:44Z)
Learning Physics for Unveiling Hidden Earthquake Ground Motions via Conditional Generative Modeling [43.056135090637646]
地盤運動の条件生成モデル(CGM-GM) 本研究では, 高周波・空間連続地震動波形を合成する人工知能シミュレータを提案する。 CGM-GMは、最先端の非エルゴディックな地上運動モデルよりも優れた可能性を示す。
論文参考訳（メタデータ） (2024-07-21T08:23:37Z)
QuakeSet: A Dataset and Low-Resource Models to Monitor Earthquakes through Sentinel-1 [5.279257531335345]
本稿では,Sentinel-1から得られた画像からなる新しいデータセットを提案する。地震解析におけるMLモデルの有効性を評価するために,従来の機械学習モデルとディープラーニングモデルをベースラインとして提供する。
論文参考訳（メタデータ） (2024-03-26T21:45:29Z)
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)
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)

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。