要約
火山監視では、火山活動を理解し、タイムリーに警報を発するために、地震現象を効果的に認識することが不可欠です。
従来の方法は手動分析に依存しており、主観的で労力がかかる場合があります。
さらに、現在の自動アプローチは検出と分類に別々に取り組むことが多く、ほとんどが単一のステーション情報に依存しており、一般に予測を実行するために調整された前処理と表現を必要とします。
これらの制限により、さまざまな火山条件にわたるリアルタイムの監視と利用への応用が妨げられることがよくあります。
この研究では、セマンティック セグメンテーション モデルを利用して、マルチチャネル 1D 信号を 2D 表現に直接変換し、画像として使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します。
私たちのフレームワークは、複数観測所の地震データを最小限の前処理で統合するデータ駆動型のエンドツーエンド設計を採用しており、5 つの地震イベント クラスの検出と分類の両方を同時に実行します。
私たちは、チリの 4 つの異なる火山 (ネバドス デル チルアン火山群、ラグナ デル マウレ、ビジャリカ、プイェウェ) で記録された約 25,000 件の地震イベントについて、4 つの最先端のセグメンテーション モデル (UNet、UNet++、DeepLabV3+、SwinUNet) を評価しました。
コードオンカウル。
これらのモデルの中で、UNet アーキテクチャが最も効果的なモデルとして特定され、平均 F1 スコアとユニオン間交差 (IoU) スコアがそれぞれ最大 0.91 と 0.88 に達し、目に見えない火山データセットに対して優れたノイズ耐性とモデルの柔軟性を実証しました。
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 | 2024-11-05 14:13:56+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google