Fugu-MT 論文翻訳(概要): Seismic Phase Picking

論文の概要: Seismic Phase Picking

arxiv url: http://arxiv.org/abs/2410.15907v1
Date: Mon, 21 Oct 2024 11:29:35 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-22 13:16:48.885700
Title: Seismic Phase Picking
Title（参考訳）: 地震の位相ピッキング
Authors: Yuchen Wang, Ruihuan Wang,
Abstract要約: P波とS波の到着時刻を地震波形に従って決定することを目的としている。従来の手法や学習手法を含む,自動フェーズ選択の複数の方法について検討する。
参考スコア（独自算出の注目度）: 6.648320801816155
License:
Abstract: Seismic phase picking, which aims to determine the arrival time of P- and S-waves according to seismic waveforms, is fundamental to earthquake monitoring. Generally, manual phase picking is trustworthy, but with the increasing number of worldwide stations and seismic monitors, it becomes more challenging for human to complete the task comprehensively. In this work, we explore multiple ways to do automatic phase picking, including traditional and learning-based methods.
Abstract（参考訳）: 地震波によるP波,S波の到着時刻の決定を目的とした地震相の抽出は,地震モニタリングの基礎となる。一般に、手動のフェーズピッキングは信頼性が高いが、世界中の駅や地震計が増えているため、人間が総合的にタスクを完了させることがより困難になる。本研究は,従来の手法や学習手法を含む,自動位相抽出を行う複数の方法について検討する。

関連論文リスト

SeisLM: a Foundation Model for Seismic Waveforms [9.064547137948743]
本稿では地震波形解析モデルである地震言語モデル(SeisLM)を紹介する。 SeisLMは、自己監督型コントラスト損失を用いて、オープンソースの地震データセットの大規模なコレクションに事前訓練されている。微調整された場合、SeesLMはイベント検出、フェーズピッキング、オンセット時間回帰、フォアソック・アフターショック分類といった地震学的なタスクに優れる。
論文参考訳（メタデータ） (2024-10-21T08:24:44Z)
Foundation Models for Time Series Analysis: A Tutorial and Survey [70.43311272903334]
ファンデーションモデル(FM)は、時系列分析のためのモデル設計のパラダイムを根本的に変えてきた。本調査は,時系列解析のためのFMの概要を包括的かつ最新のものにすることを目的としている。
論文参考訳（メタデータ） (2024-03-21T10:08:37Z)
Attractor Memory for Long-Term Time Series Forecasting: A Chaos Perspective [63.60312929416228]
textbftextitAttraosはカオス理論を長期時系列予測に取り入れている。本研究では,AttraosがPatchTSTと比較して,パラメータの12分の1しか持たない主流データセットやカオスデータセットにおいて,LTSF法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-02-18T05:35:01Z)
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)
SeisT: A foundational deep learning model for earthquake monitoring tasks [11.798801355369044]
本稿では,地震モニタリングタスクのための基礎的深層学習モデルである地震計変換器(SeisT)を提案する。 SeisTは、異なるタスクに適した複数のモジュールを組み合わせて、配布外一般化性能を示す。本研究は,厳密な実験と評価を通じて,地震信号処理と地震研究の発展に寄与する可能性が示唆された。
論文参考訳（メタデータ） (2023-10-02T09:28:31Z)
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)
Unsupervised 4D LiDAR Moving Object Segmentation in Stationary Settings with Multivariate Occupancy Time Series [62.997667081978825]
静止センサから記録された4次元LiDARデータにおける非教師なし移動物体セグメンテーション(MOS)の問題に対処する。教師なしMOSの問題を緩和する時系列に基づく新しい4次元LiDAR表現を提案する。 Raw KITTIデータセットによる静止シーンの実験では、完全に教師なしのアプローチが、教師付き最先端アプローチに匹敵するパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2022-12-30T14:48:14Z)
Seismic-phase detection using multiple deep learning models for global and local representations of waveforms [0.0]
近年の機械学習により,波形データから地震の自動検出が可能になった。本研究では,ディープラーニングを用いた新しい位相検出手法を提案し,検証した。提案手法の新規性は,大域的および局所的な波形表現のための個別な学習戦略である。
論文参考訳（メタデータ） (2022-11-04T04:37:04Z)
Predicting the State of Synchronization of Financial Time Series using Cross Recurrence Plots [75.20174445166997]
本研究では,2つの金融時系列の動的同期の将来の状態を予測する新しい手法を提案する。我々は,同期状態の予測を方法論的に扱うためのディープラーニングフレームワークを採用する。 2つの時系列の同期状態を予測するタスクは、一般的には難しいが、ある種の在庫は、非常に良好な性能で達成できる。
論文参考訳（メタデータ） (2022-10-26T10:22:28Z)
Time-to-Green predictions for fully-actuated signal control systems with supervised learning [56.66331540599836]
本稿では,集約信号とループ検出データを用いた時系列予測フレームワークを提案する。我々は、最先端の機械学習モデルを用いて、将来の信号位相の持続時間を予測する。スイスのチューリッヒの信号制御システムから得られた経験的データに基づいて、機械学習モデルが従来の予測手法より優れていることを示す。
論文参考訳（メタデータ） (2022-08-24T07:50:43Z)
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。