.png){kind=icon}
返回
Generative Diffusion Models for Geophysical Classification Problems
.png){kind=icon}
OA
AI
DOI：10.1093/gji/ggag383.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可靠的地震源分类需要区分物理上不同但在观测上重叠的信号，这些信号的特征信息分布在多个时间和频谱尺度上。本文提出DiffClassNet，一种基于扩散的地球物理分类框架，利用去噪扩散概率模型的多尺度特征学习特性。通过在去噪过程中提取和聚合多个噪声水平上的特征，该模型学习层次化表示，其中不同的扩散时间步强调互补的信号特征，从低噪声水平的高频起始模式到高噪声水平的更广泛能量分布。我们在德克萨斯州两个典型的地震分类问题上评估该框架：区分天然地震和采石场爆破，以及德克萨斯州德尔WARE盆地的诱发地震成因因素识别，涉及水力压裂、浅层盐水处理和深层盐水处理。在本文考虑的基准设置中，DiffClassNet相对于现有基线方法实现了有竞争力的性能。对特征演化、扩散水平间的潜在空间组织以及架构消融的分析进一步表明，扩散机制有助于保留互补的类别相关结构，并支持更具可解释性的特征空间。这些结果表明，基于扩散的学习为地震源分类提供了有用的框架，在预测性能和可解释性方面具有潜在价值。
期刊
IF:
2.7
论文数:
999
被引数:
3.5W
机构
引用论文
暂无论文信息