基于改进U-Net模型的地震波初至到时拾取分析OACSTPCD

为了提高地震波的拾取精度,在分析U-Net工作机制的基础上设计一种优化后的U-Net模型。该模型由桥接、编码、解码共同构成。用卷积神经网络进行分类,利用池化操作提取低层次特征参数,由于选择池化操作模式时会引起拾取精度的明显降低,故选步长为4的卷积方式。根据评价指标判断STA/LTA、U-Net与改进U-Net 3种方法的处理性能。研究结果表明:利用Tensorflow与Keras对网络实施训练,改进U-Net模型达到了99%的精度。epcho由10提高至50,P波参数识别准确率从72%提高至94%,S波识别准确率从63%提高至94%。最初损失为10.25,经过训练后100个epcho减小至0.15。改进U-Net相对传统地震信号处理方法达到了更优的查准率、查全率与F 1分值指标,采用卷积神经网络进行处理时则可以利用卷积操作提取地震波形特征产数,具备更强的适应性。