买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：基于物理信息神经网络的震源深度和震中距预测方法，本发明是为了解决震源深度和震中距预测精度低以及数据驱动网络可解释性差的技术问题。震源深度和震中距预测方法：一、在数据集中挑选出三分量地震动记录作为输入参数，相对应的震源深度和震中距为标签参数；二、建立包含卷积层和残差块的深度神经网络，采用线性整流函数为激活函数，采用Adam自适应优化器进行反向传播，将均方误差函数和地震波走时差方程结合作为损失函数；三、对深度神经网络模型进行训练；四、震源深度和震中距预测。本发明采用一个融入物理信息的深度神经网络，既能提高预测的精度，又能使得深度神经网络模型具有了一定的可解释性，提高了预测精度。

主权项：1.基于物理信息神经网络的震源深度和震中距预测方法，其特征在于该预测方法按照以下步骤实现：步骤一、收集地震动记录，建立数据集：将数据库中给出的P波和S波拾取到时、震源深度和震中距作为地震动数据对应的标签值，得到震源位置反演数据集；步骤二、建立融入物理信息的深度神经网络：该深度神经网络包括多个输入、N个预测震中距的网络块和N个预测震源深度的网络块，输入数据为N个台站记录到的N条三分量地震动记录，所述预测震中距的网络块和预测震源深度的网络块的架构相同，其中预测震中距的网络块包括多个卷积层、多个最大池化层、多个残差块、展平层和全连接层，卷积层采用1维卷积，采用线性整流函数为激活函数，在每个卷积层之后加入了批归一化层；其中残差块包含了两个1维卷积层和批归一化层，在每个1维卷积层后连接有批归一化层，采用ReLU激活函数；将均方误差函数和地震波走时差方程结合作为损失函数，得到融入物理信息的深度神经网络；步骤三、深度神经网络模型训练：采用震源位置反演数据集对融入物理信息的深度神经网络进行训练，以损失函数和平均绝对误差函数保证训练精度，使得损失函数逐步下降，得到训练后的深度神经网络模型；步骤四、震源深度和震中距预测：将三分量地震动记录和P波和S波到时输入步骤三训练后的深度神经网络模型，输出震源深度和震中距，从而实现对震源深度和震中距的预测；其中步骤二中结合地震波走时差方程的损失函数形式如下： 其中：MSELoss,h:震源深度的均方误差损失函数；MSELoss,d:震中距的均方误差损失函数；Tpsactual,i:在第i个台站拾取到的P波和S波到时差的真实值；Tpspredict,i:在第i个台站根据预测出的震源深度和震中距计算得到的P波和S波到时差；n:一个批次中包含的数据量；N:网络预测需要的台站数量。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于物理信息神经网络的震源深度和震中距预测方法