核心概念
심층 그래프 학습 기반의 새로운 첫 도달 시간 피킹 프레임워크 DGL-FB를 제안하여 기존 2D 기반 방법보다 우수한 성능을 달성하였다.
摘要
이 연구에서는 지진 데이터를 그래프 데이터로 간주하고 그래프 신경망 기법을 활용하여 서브그래프의 공유된 전역 정보를 인코딩하는 새로운 첫 도달 시간 피킹 프레임워크 DGL-FB를 제안하였다. DGL-FB는 전역 특징과 지역 특징을 효과적으로 통합하는 ResUNet-1D 기술을 사용하여 강건한 첫 도달 시간 피킹 값을 제공한다. 실험 결과, DGL-FB는 현재 2D 벤치마크 피킹 방법보다 더 높은 피킹 정확도를 달성하였으며, 정확성을 유지하면서도 더 높은 피킹률을 보였다.
統計資料
지진 데이터 세트에서 DGL-FB 방법은 2D U-Net 기반 벤치마크 방법(정확도 76.3%)보다 7.2% 향상된 81.8%의 정확도를 달성하였다.
DGL-FB 방법의 RMSE는 3.24로, 벤치마크 방법(RMSE 460.0)보다 99.3% 감소하였다.
引述
"지진 데이터를 그래프 데이터로 간주하고 그래프 신경망 기법을 활용하여 서브그래프의 공유된 전역 정보를 인코딩하는 새로운 첫 도달 시간 피킹 프레임워크 DGL-FB를 제안하였다."
"DGL-FB는 전역 특징과 지역 특징을 효과적으로 통합하는 ResUNet-1D 기술을 사용하여 강건한 첫 도달 시간 피킹 값을 제공한다."