TY  - CHAP
U1  - Konferenzveröffentlichung
A1  - Hennige, Julian
T1  - Zeitliche Vorhersage von Erdbeben durch Klassifikation mittels Convolutional Neural Networks
T2  - Experience(IT) : Informatik-Konferenz an der Hochschule Reutlingen, 8. Mai 2019. - (Informatics Inside ; 19)
N2  - In dieser Ausarbeitung wird eine zeitliche Vorhersage von Erdbeben getroffen. Hierfür werden mit einem Datensatz aus Labor-Erdbeben Convolutional Neural Networks (CNN) trainiert. Die trainierten Netzwerke geben Vorhersagen, indem sie einen Input an seismischen Daten klassifizieren. Durch das Klassifizieren kann das CNN die zeitliche Entfernung zum nächsten Erdbeben vorhersagen. Es werden hierfür zwei Ansätze miteinander verglichen. Beim ersten Ansatz werden die Originaldaten in ein CNN gegeben. Beim zweiten Ansatz wird vor dem CNN eine Vorverarbeitung der Daten mit den Mel Frequency Cepstral Coefficients (MFCC) durchgeführt. Es zeigt sich, dass mit beiden Ansätzen eine gute Klassifikation möglich ist. Die Kombination aus MFCC und CNN liefert die besseren quantitativen Ergebnisse. Hierbei konnte eine Genauigkeit von 65 % erreicht werden.
KW  - Erdbebenvorhersage
KW  - Convolutional Neural Network
KW  - machine learning
Y1  - 2019
U6  - https://nbn-resolving.org/urn:nbn:de:bsz:rt2-opus4-27147
UN  - https://nbn-resolving.org/urn:nbn:de:bsz:rt2-opus4-27147
SP  - 11
EP  - 20
S1  - 10
PB  - Hochschule Reutlingen
CY  - Reutlingen
ER  -