EarthquakeClassification-源码

使用CNN进行地震分类 介绍 这项研究的目的是使用超过60万张地震信号图像训练卷积神经网络，以将信号分类为“地震”和“噪声”类别。 由于该CNN可用于近实时地对信号进行分类，因此该研究具有更快地震检测的潜在应用。 CRISP-DM流程 业务了解-进行地震监测的公司或机构可以使用这些模型和分析将深度学习实施到其监测算法中，而这些算法通常是基于信号幅度的短期平均/长期平均（STA / LTA） ）计算以标记地震。 这些模型可能会导致更快或更准确地检测地震。 数据理解–该数据集包含来自斯坦福地震数据集（STEAD）的120万个地震信号。 这是一个标记的数据集，具有用于测试地震信号上许多其他类型的机器学习的应用程序。 数据准备–地震数据用于创建> 600,000地震数据图像，这些图像用于训练模型。 建模–使用了两个模型：用于将地震与地震噪声区分开的分类模型，以及基于图像预测地震震级的回归模型