機器學習模型生成逼真的地震波形
2021-04-24 09:34:09
?
來源：
導讀 根據(jù)最近在《JGR固體地球》上發(fā)表的一項研究，一種生成現(xiàn)實地震波形的新的機器學習模型將減少體力勞動并改善地震檢測能力。
洛斯阿拉莫斯
根據(jù)最近在《JGR固體地球》上發(fā)表的一項研究，一種生成現(xiàn)實地震波形的新的機器學習模型將減少體力勞動并改善地震檢測能力。
洛斯阿拉莫斯國家實驗室地球物理學小組的計算科學家，該項目的主要研究人員說：“為了驗證我們生成的模型的有效性，我們將其應用于俄克拉荷馬州收集的地震場數(shù)據(jù)。” “通過一系列定性和定量測試和基準，我們看到我們的模型可以生成高質(zhì)量的合成波形，并改進基于機器學習的地震檢測算法。”
快速準確地檢測地震可能是一項艱巨的任務。人們長期以來進行的視覺檢測一直被認為是黃金標準，但是需要大量的體力勞動，而這些體力勞動很難將其擴展到大數(shù)據(jù)集。近年來，基于機器學習的自動檢測方法提高了數(shù)據(jù)收集的準確性和效率。但是，這些方法的準確性取決于對大量高質(zhì)量，帶標簽的訓練數(shù)據(jù)的訪問，這些數(shù)據(jù)通常是成千上萬條甚至更多條記錄。
為了解決這一數(shù)據(jù)難題，研究團隊基于生成對抗網(wǎng)絡(GAN)開發(fā)了SeismoGen ，這是一種深度生成模型，可以在多個域中生成高質(zhì)量的合成樣本。換句話說，深度生成模型會訓練機器做事并創(chuàng)建可以真實傳遞的新數(shù)據(jù)。
一旦經(jīng)過訓練，SeismoGen模型便能夠生成多個標簽的逼真的地震波形。研究小組將其應用于俄克拉荷馬州的真實地球地震數(shù)據(jù)集時，發(fā)現(xiàn)在只有少量帶標簽的訓練數(shù)據(jù)的情況下，SeismoGen生成的合成波形的數(shù)據(jù)增強可用于改進地震檢測算法。
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！