2021-2022学年固体地球物理研究生学术报告(论坛)第二期

报告地点:教学行政楼702A706会议室(腾讯会议778 697 096)

报告时间:2021-10-13 从 16:00 到 17:30

报告人:代明伟,朱俊

报告人简介:

代明伟:中国科学技术大学地空学院地球物理学博士,指导老师为孙道远
朱俊:中国科学技术大学地空学院地球物理学硕士,指导老师为李泽峰

报告题目:1.洞察号火震数据揭示的高孔隙度火星上地壳 2.深度学习识别地震和爆破

报告内容简介

报告一:火星地壳的孔隙度为火星表面的演化和可能的蓄水能力提供了重要的约束。然而,多孔火星上地壳的存在证据依然模糊。研究中我们通过反演具有频率依赖性的多个火震P波视入射角度,来确定洞察号着陆点下方上地壳的速度结构。结果表明,在12.15±6.44 km深度处存在一速度界面,可以解释为安山岩/蚀变玄武岩上地壳和玄武岩下地壳的分界面。在该界面与地表风化层之间,S波速度从1.00±0.13 km/s逐渐增大到2.60±0.52 km/s,证实了火星表面下多孔层的存在。进一步计算显示,洞察号着陆点附近的地表孔隙度为36±4%,其下方的高度破碎层延伸至~10 km深度处,表明几乎整个上地壳由于受到了强烈的陨石撞击而破裂。

报告人:代明伟


报告二:精细分类的地震目录保证了b值的准确估计,因此区分“天然地震”和“非天然地震”对地震危险性分析意义重大。随着地震数据量指数增长,靠人工区分天然地震和采石场爆破(非天然地震的一种)几乎已不可能。针对这个问题我们使用南加州地震台网的近50万条三分量波形数据(天然地震事件数目远大于爆破事件数目),训练了一个深度卷积神经网络用于事件分类。这个分类器在南加测试集上达到了总体93%的准确率,与人工分类准确率基本持平。为了测试南加分类器的泛化性能,我们还利用美国东肯塔基州地震数据(爆破数目远大于天然地震数目)做了以下三个测试:1.直接应用南加分类器到肯塔基测试集,准确率较低;2.用肯塔基州数据从零开始训练南加分类器的网络参数,结果相比于直接应用准确率大幅提升;3.用肯塔基州数据在南加分类器原有网络参数的基础上训练,结果准确率和回召率都得到显著提升。

报告人:朱俊