seisamuse
·
文献阅读（十三）
💡
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
非构造性地震信号分类对于检测微地震和理解持续弱地面运动至关重要。本研究利用无监督机器学习对连续波形进行分类，识别出五种非平稳地震噪声类别。该方法展示了弱地面运动的复杂性，并提高了低信噪比下分析地震波形的标准。应用这种技术将提高在嘈杂环境中检测真实微小地震事件的能力。
🎯
关键要点
- 非构造性地震信号分类对微地震检测和理解弱地面运动至关重要。
- 研究利用无监督机器学习标记五种非平稳地震噪声类别。
- 聚类模型用于分类来自密集地震阵列的连续地震记录。
- 主导噪声信号在空间上高度局部化，并在数百米尺度上变化。
- 提高低信噪比下分析地震波形的标准，增强在嘈杂环境中检测微小地震事件的能力。
- 微地震检测有助于理解断层上的故障过程，区分地震信号与噪声对监测和预测至关重要。
- 现有研究多集中于有监督学习，需大量标记数据，识别新信号类型能力有限。
- 使用的数据来自加利福尼亚大学圣地亚哥分校的密集地震阵列。
- 应用主成分分析和k-means聚类算法对特征向量进行分类。
- 识别出五种不同噪声类别，表现出高度局部化和变化。
- 首次在密集地震阵列中应用无监督学习对连续波形进行标记和评估。
- 训练的聚类模型能够快速分类大量连续地震波形数据。
- 研究可能存在对噪声源物理特性缺乏实验验证的局限性。
- 原始数据通过地震学研究机构公开获取，训练数据可通过国际数字地震图网络获取。
🏷️
标签
➡️
