文章标题：基于残差神经网络的地震事件分类

文章作者：堵伟鹏¹, 谭园梦¹, 吴桐¹, 张帆², 邹鑫慈¹, 王怡^1*
关 键 字：天然地震;爆破;识别;短时傅里叶变换;残差神经网络
文章摘要：内蒙古地区爆破事件记录较多，准确识别天然地震和爆破事件成为该区地震监测工作的重要任务。选取内蒙古地震台网2010—2024年记录的200次天然地震和167次爆破事件观测资料，提取3 505条天然地震和3 034条爆破的单通道记录，截取包含主要震相的100 s时间窗口记录，利用短时傅里叶变换，将地震信号转换为时频灰度图像，作为训练和测试数据集，将事件分类问题转化为图像分类问题，并选择ResNet-18残差神经网络进行分类研究。实验结果表明，ResNet-18模型在识别天然地震与人工爆破中有优异表现，准确率达98.16%，精确率为99.56%，召回率为97.02%，F1分数为0.982 9，马修斯相关系数（MCC）为0.961 5，PR-AUC和ROC-AUC分别为0.997 87和0.997 72，证明本研究数据处理方法和选用的深度学习模型具有较好的分类效果，在地震监测预报领域具有应用潜力。