Global S&T Development Trend Analysis Platform of Resources and Environment
| 基于深度学习的新方法可以识别毫米级别的慢地震 | |
| 刘文浩 | |
| 2021-11-25 | |
| 所属快报 | 地球科学快报 |
| 出版年 | 2021 |
| 期 | 22 |
| 语种 | 中文 |
| 领域 | 地球科学 |
| 栏目 | 前沿研究动态 |
| 中文关键词 | 深度学习 ; 缓慢地震 ; 合成孔径雷达干涉雷达 |
| 英文关键词 | deep learning Slow earthquakes InSAR |
| 中文摘要 | 2021年11月11日，《自然通讯》（Nature Communications）杂志刊发题为《基于深度学习的InSAR时间序列中毫米尺度变形的自主提取》（Autonomous extraction of millimeter-scale deformation in InSAR time series using deep learning）的文章称，美国洛斯阿拉莫斯国家实验室（LANL）研究人员基于深度学习的方法，对干涉合成孔径雷达（InSAR）监测的海量地面变形数据进行了解释分析，实现了对地面变形的自主提取，且精度可达2毫米，将改善未来的地震探测。 |
| 原文题名 | Autonomous extraction of millimeter-scale deformation in InSAR time series using deep learning |
| 原文链接 | 查看原文 |
| 文献类型 | 快报文章 |
| 条目标识符 | http://119.78.100.173/C666/handle/2XK7JSWQ/342137 |
| 专题 | 地球科学 |
| 推荐引用方式 GB/T 7714 | 刘文浩. 基于深度学习的新方法可以识别毫米级别的慢地震. 2021. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 基于深度学习的新方法可以识别毫米级别的慢（15KB） | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | ||
| 基于深度学习的新方法可以识别毫米级别的慢（234KB） | 快报文章 | 开放获取 | CC BY-NC-SA | 浏览 请求全文 | ||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [刘文浩]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [刘文浩]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [刘文浩]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
| 文件名： | 基于深度学习的新方法可以识别毫米级别的慢地震.png |
| 格式： | image/png |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论