論文の概要: Broadband Ground Motion Synthesis by Diffusion Model with Minimal Condition

• arxiv url: http://arxiv.org/abs/2412.17333v2
• Date: Thu, 29 May 2025 14:13:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.340381
• Title: Broadband Ground Motion Synthesis by Diffusion Model with Minimal Condition
• Title（参考訳）: 最小条件拡散モデルによる広帯域地盤運動合成
• Authors: Jaeheun Jung, Jaehyuk Lee, Changhae Jung, Hanyoung Kim, Bosung Jung, Donghun Lee,
• Abstract要約: 我々は,高忠実度地震動生成システム(HEGGS)について紹介する。 HEGGSは地震データセットの固有特性を利用して、終端から終端までの微分可能発電機を用いて波形を学習する。 正確なP/S位相到着、包絡相関、信号対雑音比、GMPE分析、周波数内容分析、断面プロット解析の3次元E-N-Z地震波形を生成することができる。
• 参考スコア（独自算出の注目度）: 3.1285630695933686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shock waves caused by earthquakes can be devastating. Generating realistic earthquake-caused ground motion waveforms help reducing losses in lives and properties, yet generative models for the task tend to generate subpar waveforms. We present High-fidelity Earthquake Groundmotion Generation System (HEGGS) and demonstrate its superior performance using earthquakes from North American, East Asian, and European regions. HEGGS exploits the intrinsic characteristics of earthquake dataset and learns the waveforms using an end-to-end differentiable generator containing conditional latent diffusion model and hi-fidelity waveform construction model. We show the learning efficiency of HEGGS by training it on a single GPU machine and validate its performance using earthquake databases from North America, East Asia, and Europe, using diverse criteria from waveform generation tasks and seismology. Once trained, HEGGS can generate three dimensional E-N-Z seismic waveforms with accurate P/S phase arrivals, envelope correlation, signal-to-noise ratio, GMPE analysis, frequency content analysis, and section plot analysis.
• Abstract（参考訳）: 地震による衝撃波は壊滅的です。 現実的な地震による地動波形の生成は、生命と特性の損失を減らすのに役立つが、タスクの生成モデルはサブパー波形を生成する傾向にある。 我々は,高忠実度地震動生成システム(HEGGS)を報告し,北米,東アジア,ヨーロッパ地域の地震を用いて,その優れた性能を示す。 HEGGSは, 地震データセットの固有特性を活用し, 条件付き潜伏拡散モデルと非忠実波形構築モデルを含む終端から終端までの微分可能発電機を用いて波形を学習する。 我々は,HEGGSの学習効率を,単一GPUマシン上でトレーニングし,波形生成タスクや地震学の多様な基準を用いて,北米,東アジア,ヨーロッパからの地震データベースを用いて評価する。 トレーニングが完了すると、HEGGSは正確なP/S位相到着、エンベロープ相関、信号-雑音比、GMPE分析、周波数コンテンツ分析、セクションプロット分析の3次元E-N-Z地震波形を生成することができる。

関連論文リスト

• DispFormer: Pretrained Transformer for Flexible Dispersion Curve Inversion from Global Synthesis to Regional Applications [59.488352977043974]
  本研究では、レイリー波位相と群分散曲線から$v_s$プロファイルを反転させるトランスフォーマーベースのニューラルネットワークであるDispFormerを提案する。 結果は、ラベル付きデータなしでもゼロショットのDispFormerは、基底の真実とよく一致する逆プロファイルを生成することを示している。
  論文  参考訳（メタデータ） (2025-01-08T09:08:24Z)
• High Resolution Seismic Waveform Generation using Denoising Diffusion [3.5046784866523932]
  本研究では, 高周波波形生成のための新しい, 効率的, スケーラブルな生成モデルを提案する。 地震波形データのスペクトログラム表現を、オートエンコーダを介して低次元のサブ多様体に還元する。 最先端拡散モデルを用いて、キー入力パラメータを条件に、この潜伏表現を生成する。
  論文  参考訳（メタデータ） (2024-10-25T07:01:48Z)
• 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)
• EarthquakeNPP: Benchmark Datasets for Earthquake Forecasting with Neural Point Processes [0.0]
  我々は,NPPの地震データに対するテストを容易にするベンチマークデータセットの集合であるSmassNPPを紹介する。 データセットは1971年から2021年までのカリフォルニアの小さな、あるいは大きなターゲット領域をカバーする。 ベンチマーク実験では,3つの分割時間NPPをETASと比較し,空間的,時間的ログ的いずれにおいてもETASよりも優れていないことを確認した。
  論文  参考訳（メタデータ） (2024-09-27T16:06:17Z)
• 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)
• 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)
• Generalizable Implicit Neural Representation As a Universal Spatiotemporal Traffic Data Learner [46.866240648471894]
  時空間交通データ(STTD)は、マルチスケール交通システムの複雑な動的挙動を測定する。 本稿では,STTDを暗黙的ニューラル表現としてパラメータ化することで,STTD学習問題に対処する新しいパラダイムを提案する。 実世界のシナリオにおける広範な実験を通じて,その有効性を検証し,廊下からネットワークスケールへの応用を示す。
  論文  参考訳（メタデータ） (2024-06-13T02:03:22Z)
• Spatiotemporal Implicit Neural Representation as a Generalized Traffic Data Learner [46.866240648471894]
  時空間交通データ(STTD)は、マルチスケール交通システムの複雑な動的挙動を測定する。 本稿では,STTDを暗黙的ニューラル表現としてパラメータ化することで,STTD学習問題に対処する新しいパラダイムを提案する。 実世界のシナリオにおける広範な実験を通じて,その有効性を検証し,廊下からネットワークスケールへの応用を示す。
  論文  参考訳（メタデータ） (2024-05-06T06:23:06Z)
• Machine learning for phase-resolved reconstruction of nonlinear ocean wave surface elevations from sparse remote sensing data [37.69303106863453]
  ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。 提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
  論文  参考訳（メタデータ） (2023-05-18T12:30:26Z)
• 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)
• 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。