基于YOLOv5s的重力变化异常特征识别研究OA北大核心CSTPCD
针对人工判读重力变化异常特征区存在效率低下的问题,提出利用YOLOv5s算法进行重力变化四象限特征区自动化识别的方法,并基于南北地震带实测重力变化资料进行测试验证。结果表明:1)本文构建的图像识别模型可有效识别较为标准的四象限分布特征区,模型预测结果的精度、召回率、平均精度等指标均处于合理范围;2)模型较为准确地识别出南北地震带2021-09~2022-05时段重力变化图像中的四象限特征区,且特征区内先后发生2022-06芦山6.1级地震和2022-09泸定6.8级地震,表明该方法对于重力异常区域的筛选以及潜在的地震风险研判具有较好的应用潜力;3)模型对于存在明显畸变的非标准四象限特征区的识别能力仍存在一定不足,需要构建数量更多和标注更为合理的数据集,进一步提升模型对四象限特征区识别的普适性。
常鲁冀;郝洪涛;胡敏章;
防灾科技学院信息工程学院,河北省三河市065201 中国地震局地震大地测量重点实验室,武汉市430071防灾科技学院信息工程学院,河北省三河市065201 中国地震局地震大地测量重点实验室,武汉市430071 湖北省地震局,武汉市430071
地球科学
重力变化机器学习特征识别地震风险研判
《大地测量与地球动力学》 2024 (005)
P.522-527 / 6
武汉引力与固体潮国家野外科学观测研究站开放基金(WHYWZ202103);中国地震局地震研究所和应急管理部国家自然灾害防治研究院基本科研业务费(IS201926302,IS20176162);国家自然科学基金(41304059);中国地震局地震行业科研专项(201508009)。
评论