要約
火山監視において、地震イベントを効果的に認識することは、火山活動を理解し、タイムリーな警告警報を発するために不可欠である。従来の方法では、主観的で手間のかかる手動解析に頼っていました。さらに、現在の自動化された手法は、検出と分類を別々に行うことが多く、ほとんどが単一の観測点情報に依存しており、一般に、予測を実行するために独自の前処理と表現を必要とします。これらの限界は、異なる火山条件にわたるリアルタイムのモニタリングや利用への適用をしばしば妨げている。本研究では、セマンティック・セグメンテーション・モデルを利用して、多チャンネルの1次元信号を2次元表現に変換し、画像として利用できるようにすることで、地震イベント認識を自動化する新しいアプローチを紹介する。我々のフレームワークは、データ駆動型のエンドツーエンド設計を採用しており、最小限の前処理でマルチステーションの地震データを統合し、5つの地震イベントクラスに対して検出と分類の両方を同時に実行する。チリの4つの異なる火山で記録された約25,000の地震イベントに対して、4つの最先端のセグメンテーションモデル（UNet、UNet++、DeepLabV3+、SwinUNet）を評価した：Nevados del Chill’an Volcanic Complex、Laguna del Maule、Villarrica、Puyehue-Cord’on Caulleである。これらのモデルの中で、UNetアーキテクチャは最も効果的なモデルとして同定され、それぞれ0.91と0.88の平均F1とIntersection over Union (IoU)スコアを達成し、未見の火山データセットに対する優れたノイズ頑健性とモデルの柔軟性を実証した。
要約(オリジナル)
In volcano monitoring, effective recognition of seismic events is essential for understanding volcanic activity and raising timely warning alerts. Traditional methods rely on manual analysis, which can be subjective and labor-intensive. Furthermore, current automatic approaches often tackle detection and classification separately, mostly rely on single station information and generally require tailored preprocessing and representations to perform predictions. These limitations often hinder their application to real-time monitoring and utilization across different volcano conditions. This study introduces a novel approach that utilizes Semantic Segmentation models to automate seismic event recognition by applying a straight forward transformation of multi-channel 1D signals into 2D representations, enabling their use as images. Our framework employs a data-driven, end-to-end design that integrates multi-station seismic data with minimal preprocessing, performing both detection and classification simultaneously for five seismic event classes. We evaluated four state-of-the-art segmentation models (UNet, UNet++, DeepLabV3+ and SwinUNet) on approximately 25.000 seismic events recorded at four different Chilean volcanoes: Nevados del Chill\’an Volcanic Complex, Laguna del Maule, Villarrica and Puyehue-Cord\’on Caulle. Among these models, the UNet architecture was identified as the most effective model, achieving mean F1 and Intersection over Union (IoU) scores of up to 0.91 and 0.88, respectively, and demonstrating superior noise robustness and model flexibility to unseen volcano datasets.
arxiv情報
| 著者 | Camilo Espinosa-Curilem,Millaray Curilem,Daniel Basualto |
| 発行日 | 2024-11-01 01:27:10+00:00 |
| arxivサイト | arxiv_id(pdf) |