用于地震检测与定位的卷积神经网络

近期,美国中部诱发地震的活动演变亟需详尽的编目结果,以提升地震灾害评估能力。在过去的几十年里,地震事件的数据量呈指数增长,这就需要一种高效的算法可靠地检测和定位地震。目前最复杂的方法是通过对大量连续地震记录进行扫描,寻找重复的地震信号。我们根据人工智能领域最新进展提出了ConvNetQuake,它是一个高度可扩展的卷积神经网络,应用单一波形进行地震检测和定位。我们将该技术应用于美国俄克拉何马州的诱发地震活动研究。我们检测到的地震事件数量超过了俄克拉何马州地质调查局之前编目结果的17倍之多。我们算法的处理速度较已有的方法快数个数量级。