基于深度学习的地下震源定位方法

作     者：王小亮 苏新彦 孔庆珊 崔敏 赵飞飞 李剑 Wang Xiaoliang;Su Xinyan;Kong Qingshan;Cui Min;Zhao Feifei;Li Jian

作者机构：中北大学信息探测与处理山西省重点实验室太原030051 山东省军区数据信息室 中北大学科学技术研究院 

基　　金：国家自然基金青年科学基金(61901419) 山西省面上青年资金(201801D221205) 山西省高校创新项目(201802083) 装备预研兵器工业联合基金(6141B012895) 装备预研兵器装备联合基金(6141B021301) 

出 版 物：《单片机与嵌入式系统应用》 (Microcontrollers & Embedded Systems)

年 卷 期：2020年第20卷第12期

页      码：45-48,52页

摘      要：本文提出了一种基于深度学习的地下震源定位方法。首先,利用稠密连接网络能够促进特征重复利用的优势,设计了稠密连接的3D卷积神经网络(3DCNN);其次,利用空间金字塔池化层(SPP)可以对高层特征进行多尺度提取再聚合的特点,设计了3D空间金字塔池化结构(3DSPP);最后,将三维能量场图像输入到设计的稠密连接的3DCNN+3DSPP+全连接层(FC)模型中进行训练和测试,最终输出震源坐标。实验结果表明,本文设计的深度神经网络能够实现能量聚焦点的准确定位。

主 题 词：地下浅层定位 三维能量场图像 深度学习 稠密连接的3DCNN 3D空间金字塔池化 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

馆 藏 号：203992938...