مروری بر کاربرد مدل های یادگیری عمیق در شناسایی فازهای زمین لرزه

شناسایی امواج حاصل از زمین لرزه، تعیین زمان رسید فازهای لرزه ای بر روی ایستگاه ها و سپس مکانیابی زمین لرزه، به عنوان نخستین گام و ازمراحل بنیادی در تمامی مطالعات زلزله شناسی شناخته می شود. در گذشته استفاده از شناساگر انرژی می توانست سرعت پردازش داده ها را به صورتچشمگیری افزایش دهد. در سال های اخیر استفاده از الگوریتم های هوش مصنوعی توانسته انقلابی عظیم در پردازش و تفسیر داده های دیجیتال دررشته ها و زمینه های مطالعاتی متفاوت فرآهم کند، که علم زلزله شناسی نیز از این امر مستثنا نیست. بر اساس پژوهش های انجام شده، امروزه مدل هاییادگیری عمیق مانند BasicPhaseAE ، DPP ، EQTransformer ، GPD ، PhaseNet و CRED توانسته اند عملکرد بسیار خوبی نسبت بهشناساگرهای انرژی و شباهت یاب نشان دهند و در این میان کتابخانه SeisBench با گردآوری و یکپارچه سازی دسترسی به این مدل ها توانستهمحبوبیت قابل توجهی کسب کند. در این مقاله تلاش شده است تا با توصیف و بررسی مدل های فوق، اهمیت و میزان کاربرد آنها مورد نقد و بررسیقرار گیرد.

کلیدواژه ها:

یادگیری عمیق ، هوش مصنوعی ، شناسایی زمین لرزه ، تعیین فاز لرزه ای