Convolutional neural network for earthquake detection

要約

タイトル：地震検出のための畳み込みニューラルネットワーク

要約：
– 中央アメリカの地盤が静かであるため、天然資源の開発や排水が地震を引き起こし、膨大な地震データが収集されている。
– これに対して、地震とノイズを区別して検出する効率的なアルゴリズムの必要があるが、現在の地震検出方法は大きな地震に特化しており、小さな地震を見落とす傾向がある。
– Perolらは、畳み込みニューラルネットワーク（ConvNetQuake）を使用した地震検出の問題に取り組んでおり、報告書では、地震記録からイベント（地震対ノイズ）の分類のために畳み込みニューラルネットワークを実装した方法の一部を再現しようとしている。

要約(オリジナル)

The recent exploitation of natural resources and associated waste water injection in the subsurface have induced many small and moderate earthquakes in the tectonically quiet Central United States. This increase in seismic activity has produced an exponential growth of seismic data recording, which brings the necessity for efficient algorithms to reliably detect earthquakes among this large amount of noisy data. Most current earthquake detection methods are designed for moderate and large events and, consequently, they tend to miss many of the low-magnitude earthquake that are masked by the seismic noise. Perol et. al (2018) has focused on the problem of earthquake detection by using a deep-learning approach: the authors proposed a convolutional neural network (ConvNetQuake) to detect and locate earthquake events from seismic records. This reports aims at reproducing part of the methodology proposed by the author, which is the implementation of a convolutional neural network for classification of events (i.e., earthquake vs. noise) from seismic records.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI