怀俄明州立大学的Pejman Tahmasebi和Tao Bai发明了一种机器学习(ML)模型,它大大提高了地震探测的准确性。
Tahmasebi说,该模型处理地震检波器记录的信号数据,可以自动从地震噪声中区分地震事件。
该模型结合了现有的长短时记忆模型和全卷积网络ML模型;前者捕获随时间变化的数据信号,后者过滤出地震事件的隐藏特征。
Tahmasebi表示,该模型具有89.1%的分类准确率,比最先进的ConvNetQuake模型提高了14.5%。
从怀俄明大学新闻
查看全文
版权所有©2021SmithBucklin,美国华盛顿特区
没有发现记录