ansi_selector：用于环境噪声地震干涉法的自动数据选择算法

ansi_selector 环境噪声地震干涉法的自动数据选择算法 被动地震实验已被提议作为控制源地震学的一种经济高效且非侵入性的替代方法，可以检索基于地震干涉法原理的体波反射。 但是，从所记录的巨大环境噪声中，只有选定的时间段（噪声面板）对反射的恢复具有建设性的贡献。 我们解决了使用卷积神经网络（CNN）自动扫描由大型N阵列记录的环境噪声数据以寻找体波能量（体波事件）的问题。 它包括首先在每个接收站为记录信号的所有分割部分（噪声面板）计算幅度和频率属性值。 然后，将创建的2-D属性图转换为图像，并用于提取与数据中存在的体波能量相关的空间和时间模式，以构建基于CNN的二进制分类器。 在频率和幅度属性图上分别训练的两个多头CNN模型的集合展示了比其每个参与网络更好的泛化能力。 我们还将深度学习（DL）框架的预测性能与称为XGBoost的常规机器学习（ML）算法进行了比较。 基于DL的解决方案应