합성곱 신경망을 이용한 지진자료 품질관리 (Quality control of seismic data based on convolutional neural network)

서지정보

· 발행기관 : 대한지질학회
· 수록지 정보 : 지질학회지 / 57권 / 3호 / 329 ~ 338페이지
· 저자명 : 이서안, 신동훈

초록

지진 관측소의 증가는 지진 감지 능력을 향상시켜 실시간 지진 통보 및 지진조기경보 시간을 단축하는 데 효과적이다. 하지만 관측소의 증가는 지진자료 품질관리의 어려움 또한 증가시킨다. 그러므로 본 연구에서는 1시간 길이의 시간 영역 자료를 주파수 영역으로 변환한 파워스펙트럼밀도를 품질관리를 위한 입력자료로 사용하여, 지진자료의 품질을 자동으로 평가하는 기술을 개발하고자 한다. 이를 위해 광대역 속도계 10,309개의 파워스펙트럼밀도를, 가속도계 4,452개의 파워스펙트럼밀도를 수집하여 심층학습의 일종인 합성곱 신경망의 입력자료로 사용하였다. 광대역 속도계와 가속도계를 구분하여 두 개의 합성곱 신경망 모델을 학습시켜, 자동으로자료의 품질을 정상상태와 이상상태로 평가할 수 있는 기술을 개발하였다. 본 연구를 통해 얻은 품질평가 모델의 정확도가 99.9% 이상으로 측정되었으며, 15분 길이의 자료를 이용한 파워스펙트럼밀도로도 지진자료의 품질을 효과적으로 평가할 수 있음을 확인하였다. 이를 통해 본 연구의 품질평가 모델을 이용하면 지진자료의 품질관리를 보다 효율적으로 수행할 수 있을 것으로 기대한다.

영어초록

Installing more seismic stations may result in improving the capability of earthquake monitoring and shortening the time to report the occurrence of earthquakes or deliver public earthquake warnings. However, accordingly, it becomes difficult to assess the condition of seismic instrument. The goal of this study is to develop an automated method for assessing the quality of seismic data, which is based on power spectral densities (PSD) of one-hour waveform data. We collected 10,309 PSDs of broadband seismometers and 4,452 PSDs of accelerometers recorded from 2016, 2017 and 2019, and used them as the input of the convolutional neural network (CNN), a class of deep learning. Two deep CNNs for broadband seismometer and accelerometer were trained to automatically determine the condition of seismic data: normal and abnormal conditions. We find that the condition of seismic data determined by the CNNs have an accuracy of 99.9% and they can successfully determine the condition from PSDs of 15-minute waveforms. The outstanding performance of the trained models indicates that this can be a very effective tool for assessing the condition of seismic instrument.

참고자료

· 없음