論文の概要: Machine learning approaches to seismic event classification in the Ostrava region
- arxiv url: http://arxiv.org/abs/2509.22574v1
- Date: Fri, 26 Sep 2025 16:51:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:54.599007
- Title: Machine learning approaches to seismic event classification in the Ostrava region
- Title（参考訳）: オストラバ地域の地震事象分類への機械学習のアプローチ
- Authors: Marek Pecha, Michael Skotnica, Jana Rušajová, Bohdan Rieznikov, Vít Wandrol, Markéta Rösnerová, Jaromír Knejzlík,
- Abstract要約: チェコ北東部は、国内で最も地震の多い地域の一つである。
最も頻発する地震は、かつては強い鉱業活動があったため、鉱業によって引き起こされたものである。
鉱業活動の停止にもかかわらず、地雷による地震が発生している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The northeastern region of the Czech Republic is among the most seismically active areas in the country. The most frequent seismic events are mining-induced since there used to be strong mining activity in the past. However, natural tectonic events may also occur. In addition, seismic stations often record explosions in quarries in the region. Despite the cessation of mining activities, mine-induced seismic events still occur. Therefore, a rapid differentiation between tectonic and anthropogenic events is still important. The region is currently monitored by the OKC seismic station in Ostrava-Kr\'{a}sn\'{e} Pole built in 1983 which is a part of the Czech Regional Seismic Network. The station has been providing digital continuous waveform data at 100 Hz since 2007. In the years 1992--2002, the region was co-monitored by the Seismic Polygon Fren\v{s}t\'{a}t (SPF) which consisted of five seismic stations using a triggered STA/LTA system. In this study, we apply and compare machine learning methods to the SPF dataset, which contains labeled records of tectonic and mining-induced events. For binary classification, a Long Short-Term Memory recurrent neural network and XGBoost achieved an F1-score of 0.94 -- 0.95, demonstrating the potential of modern machine learning techniques for rapid event characterization.
- Abstract（参考訳）: チェコ北東部は、国内で最も地震の多い地域の一つである。
最も頻発する地震は、かつては強い鉱業活動があったため、鉱業によって引き起こされたものである。
しかし、自然のテクトニックな出来事も起こりうる。
また、地震観測所は地域の採石場でしばしば爆発を記録している。
鉱業活動の停止にもかかわらず、地雷による地震が発生している。
したがって、テクトニクスと人為的事象の急速な分化は依然として重要である。
1983年に建設されたOstrava-Kr\'{a}sn\'{e} PoleのOKC地震観測所によって監視されている。
2007年からは100Hzのデジタル連続波形データを提供している。
1992年から2002年にかけて、この地域はSTA/LTAシステムによって5つの地震観測所で構成された地震観測装置(Polygon Fren\v{s}t\'{a}t (SPF))によって共同監視された。
本研究では, テクトニックおよびマイニングによる事象のラベル付き記録を含むSPFデータセットに対して, 機械学習手法を適用し, 比較する。
バイナリ分類では、Long Short-Term Memory Recurrent Neural NetworkとXGBoostがF1スコア0.94 -- 0.95を達成した。
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) - 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) - Predicting the Emergence of Solar Active Regions Using Machine Learning [41.94295877935867]
今後の宇宙気象障害の早期警戒機能を作成するため、61の新興活動領域のデータセットを選択した。
太陽ダイナミクス観測衛星(SDO)に搭載されたヘリオサイスミック・磁気画像装置(HMI)からのドップラーシフトと連続強度観測を利用した。
我々は,次の磁束発生に伴う音響パワーフラックス密度の変動を捉える機械学習モデルを開発した。
論文 参考訳（メタデータ） (2024-02-14T01:41:50Z) - Association rule mining with earthquake data collected from Turkiye
region [0.0]
この研究は、過去5年間にテュルクアイ地方で記録された地震に関する最も顕著な関連ルールを提示する。
その結果,様々な距離の地域から記録された事象に対する統計的推測が得られた。
論文 参考訳（メタデータ） (2023-12-26T18:36:01Z) - 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) - Earthquake Phase Association with Graph Neural Networks [0.571097144710995]
フェーズアソシエイト問題を解決するために,グラフネットワーク・アソシエイト・アソシエイト・アソシエイトを開発する。
我々は合成データを訓練し、北カリフォルニア(NC)の地震ネットワークからの実データでその方法をテストする。
以上の結果から, 複雑な地震モニタリング条件下では, GENIEが相関を効果的に解決できることが示唆された。
論文 参考訳（メタデータ） (2022-09-15T06:53:17Z) - Combating Noise: Semi-supervised Learning by Region Uncertainty
Quantification [55.23467274564417]
現在の手法は、擬似ラベルによって生成されるノイズの多い領域によって容易に妨げられる。
領域の不確実性を定量化して雑音耐性半教師付き学習を提案する。
PASCAL VOCとMS COCOの併用実験により,本手法の異常な性能を実証した。
論文 参考訳（メタデータ） (2021-11-01T13:23:42Z) - Animal inspired Application of a Variant of Mel Spectrogram for Seismic
Data Processing [0.0]
我々は,地震信号から災害を感知できる動物の聴力に,地震データの生周波数を拡大するMelスペクトログラムの変種を提案する。
我々はコンピュータビジョンアルゴリズムとクラスタリングを用いて,未ラベル地震データの分類を行っている。
論文 参考訳（メタデータ） (2021-09-22T13:41:57Z) - 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) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - 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。