1. Научная деятельность
  2. Публикации
  3. Построение модели глубокого обучения на основе Wavelet Scattering разложения для анализа сейсмических сигналов

Построение модели глубокого обучения на основе Wavelet Scattering разложения для анализа сейсмических сигналов

  • Автор: Абзалилов И.А., Барышников Н.А., Турунтаев С.Б.
  • Издательство: Процессы в геосредах

  Недавние успехи в применении сверточных нейронных сетей (CNN) и моделей на основе механизма внимания (Transformer) для решения задачи выделения первых вступлений сейсмических сигналов породили существенный интерес к теме создания и развития моделей глубокого обучения для анализа данных сейсмических наблюдений. Одно из перспективных направлений развития в данной области заключается в применении новых подходов к выделению признаков из анализируемого сигнала, позволяющих сохранить его информативность и при этом упростить процесс обучения модели. В данной работе проведено сопоставление трёх способов выделения признаков из сигнала на основе его частотно-временного представления (кратковременное преобразование Фурье (STFT) в линейном и мел масштабе, а также реже используемое вейвлет-расщепление (Wavelet Scattering)) и оценено их влияние на качество классификации участков сейсмических сигналов на примере Калифорнийского набора сейсмических данных. Для этого было создано и обучено три сходных модели глубокого обучения с использованием энкодера из архитектуры Transformer. Показано что Wavelet Scattering по метрике Accuracy несколько превосходит STFT в обычном и мел масштабе. Это делает данное разложение более перспективным с точки зрения качества выделения признаков сейсмического сигнала.

Абзалилов, И. А. Построение модели глубокого обучения на основе Wavelet Scattering разложения для анализа сейсмических сигналов / И. А. Абзалилов, Н. А. Барышников, С. Б. Турунтаев // Процессы в геосредах. – 2023. – № 4(38). – С. 2227-2232. – EDN LOVSKG.