第５４卷第１期２０２３年１月太原理工大学学报ＪＯＵＲＮＡＬＯＦＴＡＩＹＵＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹＶｏｌ．５４Ｎｏ．１Ｊａｎ．２０２３引文格式：刘志文，王进强，王广鑫．基于ＵＮｅｔ＋＋的地震Ｐ波初至拾取研究［Ｊ］．太原理工大学学报，２０２３，５４（１）：６５－７２．ＬＩＵＺｈｉｗｅｎ，ＷＡＮＧＪｉｎｑｉａｎｇ，ＷＡＮＧＧｕａｎｇｘｉｎ．Ｒｅｓｅａｒｃｈｏｎｆｉｒｓｔ－ａｒｒｉｖａｌｐｉｃｋｉｎｇｏｆｓｅｉｓｍｉｃＰ－ｗａｖｅｂａｓｅｄｏｎＵＮｅｔ＋＋［Ｊ］．ＪｏｕｒｎａｌｏｆＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，２０２３，５４（１）：６５－７２．收稿日期：２０２２－０６－２１基金项目：国家自然科学基金资助项目（５２０７４０２２）第一作者：刘志文（１９９７－），硕士研究生，（Ｅ－ｍａｉｌ）２３００７５０３２９＠ｑｑ．ｃｏｍ通信作者：王进强（１９６５－），博士，副教授，主要从事冲击地压监测预警、采矿工程、矿山系统工程等研究，（Ｅ－ｍａｉｌ）ｗａｎｇｊｑ＠ｕｓｔｂ．ｅｄｕ．ｃｎ基于ＵＮｅｔ＋＋的地震Ｐ波初至拾取研究刘志文ａ，王进强ａ，ｂ，王广鑫ａ（北京科技大学ａ．土木与资源学院，ｂ．金属矿山高效开采与安全教育部重点实验室，北京１０００８３）摘要：基于ＵＮｅｔ＋＋对Ｐ波初至拾取进行研究，首先对ＵＮｅｔ＋＋进行降维，并从网络结构的深度和单个Ｂｌｏｃｋ的操作两方面对原始网络进行改进；然后给模型选择损失函数和优化器，让模型能够有优化的目标和方向；接着进行数据的预处理，筛选信噪比小于２０ｄＢ的数据出来，对其进行小波阈值去噪、归一化处理；最后是训练和验证，选择在验证集上表现最优的一个模型作为最终模型。经过１５０条测试集数据的测试，证明所使用方法在均值、方差、命中率３项指标上均优于ＳＴＡ／ＬＴＡ和ＡＲ－ＡＩＣ，其中Ｐ波初至拾取的精确率高达９８．００％，为Ｐ波初至自动拾取提供了一种新思路。关键词：地震；深度学习；ＵＮｅｔ＋＋；Ｐ波初至拾取中图分类号：Ｐ３１５文献标识码：ＡＤＯＩ：１０．１６３５５／ｊ．ｃｎｋｉ．ｉｓｓｎ１００７－９４３２ｔｙｕｔ．２０２３．０１．００８文章编号：１００７－９４３２（２０２３）０１－００６５－０８ＲｅｓｅａｒｃｈｏｎＦｉｒｓｔ－ａｒｒｉｖａｌＰｉｃｋｉｎｇｏｆＳｅｉｓｍｉｃＰ－ｗａｖｅＢａｓｅｄｏｎＵＮｅｔ＋＋...
