Volltext-Downloads (blau) und Frontdoor-Views (grau)
  • search hit 8 of 518
Back to Result List

Zeitliche Vorhersage von Erdbeben durch Klassifikation mittels Convolutional Neural Networks

  • 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.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Name:Hennige, Julian
URN:urn:nbn:de:bsz:rt2-opus4-27147
URL:https://infoinside.reutlingen-university.de/?page_id=31
Erschienen in:Informatics inside : experience (IT) : Informatik-Konferenz an der Hochschule Reutlingen, 8. Mai 2019. - (Informatics inside ; 19)
Publisher:Hochschule Reutlingen
Place of publication:Reutlingen
Editor:Uwe Kloos
Document Type:Conference Proceeding
Language:German
Year of Publication:2019
Tag:Convolutional Neural Network; Erdbebenvorhersage; machine learning
Pagenumber:10
First Page:11
Last Page:20
Catalogue entry:Im Katalog der Hochschule Reutlingen ansehen
Dewey Decimal Classification:004 Informatik
Open Access:Ja
Licence (German):License Logo  Creative Commons - CC BY - Namensnennung 4.0 International