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
한종원 (고려대학교 지구환경과학과) 김성룡 (고려대학교) 신동훈 (전남대학교) 이동헌 (고려대학교) 이상준 (한국교원대학교) 유승훈 (The Aerospace Corporation USA) 박동희 (한국수력원자력(주) 중앙연구원)
저널정보
한국지질과학협의회 Geosciences Journal Geosciences Journal Vol.27 No.3
발행연도
2023.6
수록면
285 - 295 (11page)
DOI
10.1007/s12303-023-0004-y

이용수

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

초록· 키워드

오류제보하기
Deep learning (DL) methods have a high potential for earthquake detection applications because of their high efficiency at processing measurement data, such as picking seismic phases. However, the performance of DL methods must be evaluated to ensure that they can replace conventional methods so that full automation can be achieved. State-of-art DL methods incorporate advanced techniques and train with large global datasets to enhance their earthquake detection capabilities. In this study, we tested a representative DL model on the 2016 Gyeongju earthquake sequence in the Korean Peninsula and compared the results with a previously established catalog and with the results of the conventional Short Time Average/Long Time Average (STA/LTA) method. The DL model demonstrated reasonable improvements in efficiency and performance by detecting more and smaller earthquakes within a much shorter runningtime than the other methods. In addition, the DL algorithms generally provided precise pickings of P- and S-wave phases. The DL model showed good generalization because it appropriately detected earthquakes in the study area that were not included in the training dataset. However, our results did suggest possible errors that should be accounted for, such as inconsistent phase picking, missing large earthquakes, and detecting non-natural earthquake signals. From the result of tests, local optimization may be important for realizing fully automatic earthquake monitoring, such as retraining with a local dataset, fine-tuning, or transfer learning. In addition, incorporating post-processing techniques such as phase association and discrimination into the DL framework is necessary.
#earthquake detection #deep learning #artificial intelligence #Gyeongju earthquake #phase picking

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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