当前位置:首页 > 学术动态 >

彭志刚教授学术报告会

时间:2018-07-10 08:17作者:未知 来源:地球物理学院

报告人:彭志刚 美国佐治亚理工学院教授  SRL主编

题目:利用卷积神经网络识别汶川余震

时间:2018年7月12日早上10:00

地点:地球物理学院四楼多媒体会议室

报告人简介:彭志刚, 美国佐治亚理工学院(Georgia Institute of Technology)地球和大气系教授,博士生导师。1998年于中国科技大学本科毕业(地球物理和计算机应用),2002年在美国南加州大学获得电机工程硕士学位,2004年在美国南加州大学获得地震学博士学位。主要研究方向包括高清晰断层结构反演,地球介质时间变化,地震震源特性,地震触发,慢地震,人为诱发地震,微震监测和机器学习等基础研究。其研究过去十年在美国收到两百多万美金资助,主要来源包括美国国家自然科学基金 (NSF), 美国国家航空航天局(NASA),美国地质调查局 (USGS), 南加地震中心 (SCEC)等。迄今为止在国际杂志 (Science, Nature Geoscience, GRL, JGR, BSSA, etc)上发表文章上百篇,引用3600多次。2010年至2013年任美国地震学会学报副编辑,2011年至2013年任地球物理研究期刊副编辑,2013年7月至今担任地震研究快报Seismological Research Letters。2017年起担任美国地震学研究联合会(IRIS)董事会成员(Board of Directors),以及美国地震学会东区分会(Eastern Section of SSA)副主席(Vice President)。2010年获美国国家自然科学基金杰青奖(NSF Career Award), 2010年获美国地震学会 (SSA)里氏青年科学家奖 (Charles Richter Award), 和所在的地球和大气系年轻教授奖 (Young Faculty Award)。

报告摘要:由于长期连续监测的地震数据量不断增加,给自动震相识别和小震检测提出了新的挑战。传统的模版滤波匹配识别方法需要已知模版事件,而且只能识别和模版波形相似的事件。我们开发了一种基于卷积神经网络(CNN)的相位识别分类器(Phase-Identification Classifier,CPIC)进行相位检测和到时拾取,并将其应用于2008年汶川 7.9级地震的余震序列中的一个月连续记录。CPIC能够识别标准目录中97%的人工挑选走时,并能够识别出很多只能用模版滤波匹配识别的事件。此外,我们也尝试用汶川余震训练好的CNN去识别美国俄克拉荷马的注水诱发事件,取得不错的结果。我们的研究结果表明,机器学习在地震学的应用前景广阔 。

地球勘探与信息技术教育部重点实验室

地球物理学院

2018年7月9日


#