메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
서정범 (케이아이티밸리 (주)) 이진구 (케이아이티밸리 (주)) 이우동 (전북대학교) 이석태 (케이아이티밸리 (주)) 이호준 (케이아이티밸리 (주)) 전인찬 (케이아이티밸리 (주)) 박남률 (케이아이티밸리 (주))
저널정보
한국지진공학회 한국지진공학회 논문집 한국지진공학회논문집 제25권 제2호
발행연도
2021.3
수록면
71 - 81 (11page)
DOI
https://doi.org/10.5000/EESK.2021.25.2.071

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

2022

지진 현장경보를 위한 딥러닝 기반 지진 감지의 특징추출 시간구간 단축
서정범 대한토목학회 학술대회 2022.10 학술대회자료

2021

온사이트 지진조기경보를 위한 딥러닝 기반 실시간 오탐지 제거
서정범 ,  이진구 ,  이우동 외 4명 한국지진공학회 논문집 2021.03 학술저널

초록· 키워드

오류제보하기
This paper presents a real-time, false-pick filter based on deep learning to reduce false alarms of an onsite Earthquake Early Warning (EEW) system. Most onsite EEW systems use P-wave to predict S-wave. Therefore, it is essential to properly distinguish P-waves from noises or other seismic phases to avoid false alarms. To reduce false-picks causing false alarms, this study made the EEWNet Part 1 'False-Pick Filter' model based on Convolutional Neural Network (CNN). Specifically, it modified the Pick_FP (Lomax et al.) to generate input data such as the amplitude, velocity, and displacement of three components from 2 seconds ahead and 2 seconds after the P-wave arrival following one-second time steps. This model extracts log-mel power spectrum features from this input data, then classifies P-waves and others using these features. The dataset consisted of 3,189,583 samples: 81,394 samples from event data (727 events in the Korean Peninsula, 103 teleseismic events, and 1,734 events in Taiwan) and 3,108,189 samples from continuous data (recorded by seismic stations in South Korea for 27 months from 2018 to 2020). This model was trained with 1,826,357 samples through balancing, then tested on continuous data samples of the year 2019, filtering more than 99% of strong false-picks that could trigger false alarms. This model was developed as a module for USGS Earthworm and is written in C language to operate with minimal computing resources.
#Earthquake early warning #Onsite warning #False-pick #False alarm #Deep learning #Convolutional neural network

목차

등록된 정보가 없습니다.

참고문헌 (43)

참고문헌 신청
Jeon YS / 2017 / 9.12 Earthquake Response Report :28 google schola Bebbington M / 2003 / The linked stress release model for spatiotemporal seismicity: formulations, procedures and applications / Geophysical Journal International 154(3):925~946 google schola Pritchard ME / 2020 / New Opportunities to Study Earthquake Precursors / Seismological Research Letters 91(5):2444~2447 google schola Allen MR / 2003 / The Potential for Earthquake Early Warning in Southern California / Science 300(5620):768~789 google schola Allen RM / 2019 / Earthquake Early Warning: Advances, Scientific Challenges, and Societal Needs / Annual Review of Earth and Planetary Sciences 47:361~388 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0