PhaseNet 논문 읽기 요약

PhaseNet: 심층 신경망 기반 지진 도착 시간 선택 방법

배경

지진 모니터링 및 위치는 지진학의 기초입니다.
- 지진 카탈로그의 품질은 주로 도착 시간 측정의 양과 정확도에 따라 달라집니다.
- 위상 선택은 일반적으로 네트워크 분석가가 수행합니다.
- 그러나 지진계가 점점 많아지고 데이터 흐름이 많아져 수동 선택이 어려워지고 있습니다.
S파는 Phase Pickup에서 가장 어렵다.
- S파는 P파의 흩어진 파동에서 나온다.
- S파는 지진 위치에 대한 P파를 기반으로 깊이-기원 절충을 줄일 수 있습니다.
- S파 구조는 강력한 지반 운동 예측에 중요합니다.

단기 평균/장기 평균(STA/LTA) 방법
- 이 방법은 장기 창의 에너지에 대한 단기 창의 에너지 비율을 기록합니다.
- 임계값보다 높은 피크 값은 P와 S의 도착을 나타냅니다.
- 이 방법은 노이즈의 영향을 받기 쉽고 정확도가 상대적으로 낮습니다.
통계 모델
- 고차 통계(첨도 및 왜도)를 기반으로 하는 방법은 지진 이벤트의 발생과 일치하는 가우시안에서 비가우시안으로의 전환을 식별합니다.
얕은 신경망
- 기존의 얕은 신경망은 수동으로 정의된 네 가지 기능에 대해 테스트됩니다.
- 변동, 왜도의 절대값, 태도, 슬라이딩 윈도우 예측을 기반으로 한 왜도와 첨도의 조합
- 대부분의 위상 선택은 P파에 더 집중됩니다.
위의 작업에도 불구하고 자동 피킹의 정확도는 여전히 좋지 않습니다.
- 지진파 이동은 다중 효과로 인해 매우 복잡하기 때문에
- 기존의 자동 선택 알고리즘은 기능을 수동으로 정의하고 신중한 데이터 처리가 필요합니다.

phaseNet 입력으로 PS 도착 시간을 포함하는 30S 시간 창을 무작위로 선택합니다.
- 100Hz 샘플링, 이것은 원래 데이터 세트의 가장 일반적인 샘플링 속도이며 입력 파형의 각 구성 요소에는 3001 데이터 포인트가 있습니다.
- 평균을 빼고 표준 편차로 나누어 각 구성 요소의 파형을 정규화합니다.