prikaz prve stranice dokumenta Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža
  Preuzmi
PDF 10.57 MB
diplomski rad
Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. urn:nbn:hr:217:618108
Wild, Dorian
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Geofizički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Wild, D. (2024). Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:618108

Wild, Dorian. "Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:217:618108

Wild, Dorian. "Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2024. https://urn.nsk.hr/urn:nbn:hr:217:618108

Wild, D. (2024). 'Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 25.12.2024., https://urn.nsk.hr/urn:nbn:hr:217:618108

Wild D. Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2024 [pristupljeno 25.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:618108

D. Wild, "Detekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:618108

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:618108
Podaci o radu
NaslovDetekcija potresa u sjeverozapadnim Dinaridima uz upotrebu neuronskih mreža
Naslov (engleski)Neural network based earthquake detection in the northwest Dinarides
AutorDorian Wild
MentorJosip Stipčević (mentor)
Član povjerenstvaJosip Stipčević (predsjednik povjerenstva)
Član povjerenstvaIva Dasović (član povjerenstva)
Član povjerenstvaZoran Pasarić (član povjerenstva)
Član povjerenstvaIvana Herceg Bulić (član povjerenstva)
Član povjerenstvaIgor Mandić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Geofizički odsjek)
Zagreb
Datum i država obrane2024-02-27, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Geofizika
Seizmologija i fizika unutrašnjosti Zemlje
Sažetak
Dolaskom doba nazvanim Big Data, dogodilo se eksponencijalno povećanje količine seizmičkih podataka zbog povećanja broja seizmičkih postaja i napretka tehnologije, zbog čega tradicionalne metode analize i ručne detekcije faza postaju neodržive. Ususret tom vremenu, testira se novi pristup koji koristi neuronske mreže za automatizaciju detekcije i karakterizaciju seizmičkih događaja, s ciljem povećanja točnosti i učinkovitosti u odnosu na postojeće automatizirane sustave. U ovom radu analiziran je sveobuhvatni skup podataka kojeg čini testni katalog potresa u razdoblju 2009. - 2018. godine u sjeverozapadnim Dinaridima primjenom modela PhaseNet za detekciju seizmičkih faza i GaMMA Associatora za izradu sintetičkih kataloga te procedura koje značajno poboljšavaju detekciju potresa. Korišteno je pet varijanti modela PhaseNet treniranih na pet različitih baza podataka: INSTANCE, STEAD, ETHZ, SCEDC i GEOFON sa svrhom detekcije P- i S-faza, te algoritam na temelju strojnog učenja zvan GaMMA Associator sa svrhom asocijacije i izrade sintektičkog kataloga. Najprije se varijante modela PhaseNet primjenjuju na uzorak iz stvarnog kataloga u svrhu određivanja najefikasnije varijante modela PhaseNet, te se potom ta varijanta primjenjuje na cijeli skup podataka. Kombinacija modela PhaseNet s tehnikom učenja prijenosom i GaMMA Associatora omogućava stvaranje kataloga potresa koji sadrži preko 92 % identičnih događaja iz usporednog stvarnog kataloga, te također 10 puta više novih događaja. Rezultati naglašavaju potencijal strojnog učenja za revoluciju u praćenju potresa pružanjem bržih, većih i pravovremenijih sposobnosti detekcije. Ovo istraživanje ne samo da doprinosi napretku metoda detekcije potresa, već otvara i puteve za buduća istraživanja u seizmologiji i povezanim područjima.
Sažetak (engleski)
With the arrival of the era called Big Data, there has been an exponential increase in the volume of seismic data due to the expansion of seismic stations and the advancement of technology, due to which traditional methods of analysis and manual phase detection are becoming unsustainable. Therefore, a new approach that uses neural networks to automate the detection and characterization of seismic events is being tested, with the goal of increasing accuracy and efficiency compared to existing automated systems. In this thesis, the PhaseNet models and GaMMA Associator were applied in the analysis of a comprehensive data set of the test earthquake catalogue for the period of 2009 – 2018 in the northwest Dinarides to significantly improve earthquake detection and create a synthetic earthquake catalogue. Five variants of the PhaseNet model trained on five different databases were used: INSTANCE, STEAD, ETHZ, SCEDC and GEOFON to detect P and S phases, and GaMMA Associator, an algorithm based on machine learning for association and creation of a synthetic catalog. The models were first applied to a sample from the real catalog to determine the most efficient variant of PhaseNet, and then that variant is applied to the entire data set. The combination of PhaseNet and GaMMA Associator generates an earthquake catalog that contains over 92% identical events from the comparative real catalog, and 10 times more new events. The findings underscore the potential of machine learning to revolutionize earthquake monitoring by providing more reliable and timely detection capabilities. This research not only contributes to the advancement of seismic detection methods but also opens avenues for future investigations in seismology and related fields.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:618108
Studijski programNaziv: Fizika - geofizika; smjerovi: Seizmologija i fizika čvrste Zemlje, Meteorologija i fizička oceanografija
Smjer: Seizmologija i fizika čvrste Zemlje
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni magistar fizike – geofizike (univ. mag. phys. – geophys.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-03-19 10:32:34