《表1 时间域与小波时频谱卷积神经网络模型在测试集的误差分布对比》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《人工智能在拾取地震P波初至中的应用——以汶川地震余震序列为例》
与3.1节的模型同样,我们统计了该模型在训练集和测试集误差的分布情况。图5(a)显示使用时间域波形数据卷积神经网络模型对7467条训练集+验证集样本波形数据计算得到的到时拾取结果与人工拾取到时之间的误差分布,人工拾取到时的标注精度为0.1 s,78.9%的误差小于0.1 s,97.1%的误差小于0.2 s,99.9%的误差小于0.5 s。图5(b)显示使用时间域波形数据卷积神经网络模型对1867条测试集样本波形数据计算得到的到时拾取结果与人工拾取到时之间的误差分布,人工拾取到时的标注精度为0.1 s,68.5%的误差小于0.1 s,90.0%的误差小于0.2s,98.9%的误差小于0.5 s。表1列出两个模型的误差统计分布,可以看出,小波变换明显地提高了模型的识别精度。
图表编号 | XD0049986600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.20 |
作者 | 蔡振宇、盖增喜 |
绘制单位 | 北京大学地球与空间科学学院、北京大学地球与空间科学学院 |
更多格式 | 高清、无水印(增值服务) |