报告地点：教学行政楼 706 会议室
报告时间：2023-07-28 从 15:00 到 16:30
报告人：张淼（加拿大达尔豪斯大学）
报告人简介：
张淼，加拿大达尔豪斯大学助理教授，博士生导师。2015年博士毕业于中国科学技术大学地球物理专业，并同年荣获中科院院长优秀奖；2016至2019年分别在美国洛斯阿拉莫斯国家实验室和斯坦福大学从事博士后研究；2019年4月加入加拿大达尔豪斯大学。研究内容集中在微小地震检测、精确震源参数反演、震源物理过程理解以及爆炸和地震区分等方面。发表国际期刊论文30余篇，引用1200次，公开多个开源地震监测程序，如Match&Locate、REAL和LOC-FLOW.
报告题目：机器学习地震监测：从陆地到海洋
报告内容简介
近年来，机器学习到时识取在处理陆地地震方面展现了出色的准确性和高效性，以及良好的可移植性，并被广泛应用于快速高精度地震目录构建和地震层析成像。这些结果可以帮助理解精细的地震开始和演化过程以及其周围结构的孕震环境和机理。然而，机器学习模型目前很少在海底地震数据（OBS）上直接训练，因为OBS数据有很强的噪音，并且缺乏足够数量的精确人工震相标记。在本次报告中，我将简要介绍几个基于机器学习到时构建地震目录和速度成像的应用，并重点介绍通过对全球11个OBS台网自动到时标记和迁移学习而开发的OBS到时识取模型—OBSTransformer.