論文の概要: A Framework for Real-Time Volcano-Seismic Event Recognition Based on Multi-Station Seismograms and Semantic Segmentation Models

• arxiv url: http://arxiv.org/abs/2410.20595v3
• Date: Tue, 05 Nov 2024 14:13:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 14:56:56.774496
• Title: A Framework for Real-Time Volcano-Seismic Event Recognition Based on Multi-Station Seismograms and Semantic Segmentation Models
• Title（参考訳）: 多段階地震図とセマンティックセグメンテーションモデルに基づくリアルタイム火山地震イベント認識フレームワーク
• Authors: Camilo Espinosa-Curilem, Millaray Curilem, Daniel Basualto,
• Abstract要約: 火山モニタリングでは、火山活動を理解し、タイムリーに警告を発する上で、地震事象の効果的な認識が不可欠である。 本研究では, セマンティックモデルを用いて, 多チャンネル1次元信号の2次元表現へのストレートフォワード変換を適用することで, 地震イベント認識を自動化する手法を提案する。 本フレームワークは,5つの地震イベントクラスに対して,検出と分類を同時に行うため,最小限の事前処理でマルチステーション地震データを統合する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In volcano monitoring, effective recognition of seismic events is essential for understanding volcanic activity and raising timely warning alerts. Traditional methods rely on manual analysis, which can be subjective and labor-intensive. Furthermore, current automatic approaches often tackle detection and classification separately, mostly rely on single station information and generally require tailored preprocessing and representations to perform predictions. These limitations often hinder their application to real-time monitoring and utilization across different volcano conditions. This study introduces a novel approach that utilizes Semantic Segmentation models to automate seismic event recognition by applying a straight forward transformation of multi-channel 1D signals into 2D representations, enabling their use as images. Our framework employs a data-driven, end-to-end design that integrates multi-station seismic data with minimal preprocessing, performing both detection and classification simultaneously for five seismic event classes. We evaluated four state-of-the-art segmentation models (UNet, UNet++, DeepLabV3+ and SwinUNet) on approximately 25.000 seismic events recorded at four different Chilean volcanoes: Nevados del Chill\'an Volcanic Complex, Laguna del Maule, Villarrica and Puyehue-Cord\'on Caulle. Among these models, the UNet architecture was identified as the most effective model, achieving mean F1 and Intersection over Union (IoU) scores of up to 0.91 and 0.88, respectively, and demonstrating superior noise robustness and model flexibility to unseen volcano datasets.
• Abstract（参考訳）: 火山モニタリングでは、火山活動を理解し、タイムリーに警告を発する上で、地震事象の効果的な認識が不可欠である。 伝統的な手法は、主観的で労働集約的な手動分析に依存している。 さらに、現在の自動的なアプローチは、検出と分類を別々に行うことが多く、ほとんどの場合、単一のステーション情報に依存し、予測を行うために調整された前処理と表現を必要とする。 これらの制限は、しばしば、異なる火山条件をまたいだリアルタイムの監視と利用への応用を妨げる。 本研究では, セマンティックセグメンテーションモデルを用いて, 多チャンネル1D信号を2次元表現に変換することで, 地震イベント認識を自動化する手法を提案する。 本フレームワークでは, マルチステーション地震データを最小限の事前処理と統合し, 5つの地震イベントクラスを同時に検出・分類する。 チリの4つの火山(Nevados del Chill\an Volcanic Complex, Laguna del Maule, Villarrica, Puyehue-Cord\on Caulle)で記録された約25万件の地震イベントについて, 最先端セグメンテーションモデル(UNet, UNet++, DeepLabV3+, SwinUNet)を評価した。 これらのモデルの中で、UNetアーキテクチャは最も効果的なモデルとして同定され、平均 F1 と IoU (Intersection over Union) のスコアはそれぞれ 0.91 と 0.88 に達し、火山のデータセットに対して優れたノイズの堅牢性とモデルの柔軟性を示す。

関連論文リスト

• Time Series Foundation Models and Deep Learning Architectures for Earthquake Temporal and Spatial Nowcasting [1.4854797901022863]
  既成の基盤モデルの総合的な評価を欠いている。 我々はMultiFoundationQuakeとGNNCoderという2つのイノベーションアプローチを紹介した。 我々は,南カリフォルニアの0.1度空間ビン内における今後14日間の時系列予測問題として,地震予報を定式化した。
  論文  参考訳（メタデータ） (2024-08-21T20:57:03Z)
• Event Voxel Set Transformer for Spatiotemporal Representation Learning on Event Streams [19.957857885844838]
  イベントカメラは、シーンをスパースで非同期なイベントストリームとして記録するニューロモルフィックな視覚センサである。 本稿では,イベントストリーム上での効率的な表現学習のためのイベントVoxel Set Transformer (EVSTr) という注目度モデルを提案する。 実験によると、EVSTrは低モデルの複雑さを維持しながら最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-03-07T12:48:02Z)
• 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)
• Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based Action Recognition [88.34182299496074]
  アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。 我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。 時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
  論文  参考訳（メタデータ） (2022-07-17T07:05:39Z)
• Improving the Thermal Infrared Monitoring of Volcanoes: A Deep Learning Approach for Intermittent Image Series [0.0]
  提案手法により,最低のRMSE (4.164circ$C, 他の手法:4.217-5.291circ$C) で火山の温度を予測できることを示す。 また, 熱画像から得られた複数の時系列について, 特異火山のデータによるトレーニングの効果について検討した。 この研究は、火山活動予測のためのデータ駆動型ディープラーニングモデルの可能性を強調している。
  論文  参考訳（メタデータ） (2021-09-27T02:31:34Z)
• Deep Autoregressive Models with Spectral Attention [74.08846528440024]
  本稿では,深部自己回帰モデルとスペクトル注意(SA)モジュールを組み合わせた予測アーキテクチャを提案する。 時系列の埋め込みをランダムなプロセスの発生としてスペクトル領域に特徴付けることにより,グローバルな傾向と季節パターンを同定することができる。 時系列に対するグローバルとローカルの2つのスペクトルアテンションモデルは、この情報を予測の中に統合し、スペクトルフィルタリングを行い、時系列のノイズを除去する。
  論文  参考訳（メタデータ） (2021-07-13T11:08:47Z)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• One-Shot Object Detection without Fine-Tuning [62.39210447209698]
  本稿では,第1ステージのMatching-FCOSネットワークと第2ステージのStructure-Aware Relation Moduleからなる2段階モデルを提案する。 また,検出性能を効果的に向上する新たなトレーニング戦略を提案する。 提案手法は,複数のデータセット上で一貫した最先端のワンショット性能を上回る。
  論文  参考訳（メタデータ） (2020-05-08T01:59:23Z)
• Applications of shapelet transform to time series classification of earthquake, wind and wave data [0.0]
  「シェープレット変換」は時系列列の形状の局所的類似性に基づく。 理解可能な特徴と透過的なアルゴリズムを備えた「ホワイトボックス」機械学習モデルを提案する。 モデルはドメインの実践者の介入なしにイベント検出を自動化する。
  論文  参考訳（メタデータ） (2020-04-22T10:17:24Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)
• A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
  イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。 基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
  論文  参考訳（メタデータ） (2020-02-21T23:10:50Z)

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。