地震学相关的电子参考书 非常经典 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

基于AI的地震信号检测器和鉴相器 描述 EQTransformer是基于AI的地震信号检测器和相位（P＆S）拾取器，基于带有注意机制的深度神经网络。 它具有专门为地震信号设计的分层体系结构。 EQTransformer已经接受了全球地震数据的培训，可以同时高效地执行检测和到达时间的选择。 除了预测概率，它还可以提供估计的模型不确定性。 EQTransformer python 3软件包包括用于下载连续地震数据，进行预处理，执行地震信号检测以及使用预先训练的模型进行相位（P＆S）拾取，构建和测试新模型以及执行简单的相位关联的模块。 开发人员：S. Mostafa Mousavi 链接 说明文件： : 论文： https : //rdcu.be/b58li 参考 Mousavi，SM，Ellsworth，WL，Zhu，W.，Chuang，L，Y。和Beroza，G，C。 Nat C

Rick van Gemert (s1474235) 和 Bouke Regnerus (s1475924) 的创意技术数据可视化课程的数据可视化。 Bouke 是一名智能技术学生，Rick 是一名新媒体学生。 在 D3.js ( ) 中创建。 在我们的可视化中，我们展示了自 1986 年以来在荷兰发生的地震。该地图还显示了气田和钻Kong。 使用底部的时间线，您可以选择特定范围，可视化将仅显示该范围内的地震。 条形图显示在特定震级内选定范围内发生了多少次地震。 查看此数据可视化 ( )。 ＃＃数据源 NL 石油和天然气门户网站 ( ) CBS Wijk-en Buurtkaart 2014 ( ) ###可视化来源 条形图（ ） 让我们制作一张地图 ( ) ggplot2 样式轴 ( ) 定量尺度（ ） D3 传奇 ( )

地震预言是一项非常复杂的任务，已以不同的方式解决。 但是，需要一个基本定义以及足够的目录。 这些地区已标有广泛使用的地质参数。 研究的总体特征不仅基于训练和测试数据集，还基于地震预测的定性数据。 单独应用机器学习技术来模拟计算的地震数据与未来地震发生之间的关系。 本文提供了一份关于不同地震震级预测技术的实施情况及其优缺点的调查报告，这将有助于系统的进一步开发和改进。

地震 使用D3.js地图显示地震的彩色编码记录

地学家 用于地球科学原型研究的开源地球物理Python库 功能性 势场分析法 重力数据处理和调整 地球物理学反演 大地测量数据同化和建模 地震目录分析 异常检测和时间序列分析 特征 我们的算法利用贝叶斯反演框架的优势。 建立在流行的Python软件包（例如Numpy，Scipy，Pandas，Matplotlib等）的基础上。已很好地集成到python生态系统中。 我们的使命 致谢 该部分代码与Fatiando a Terra项目修改后的频率潜在模型向前和分析连续性有关，更多信息： : 从Verde存储库（ 修改的网格功能 执照 MIT :copyright:2018-2020 CEA地球物理研究所重力团队

Android Studio 0.5.1, Gradle 1.11开发的Earthquake程序, 可以运行, 里面包含apk程序.

使用CNN进行地震分类 介绍 这项研究的目的是使用超过60万张地震信号图像训练卷积神经网络，以将信号分类为“地震”和“噪声”类别。 由于该CNN可用于近实时地对信号进行分类，因此该研究具有更快地震检测的潜在应用。 CRISP-DM流程 业务了解-进行地震监测的公司或机构可以使用这些模型和分析将深度学习实施到其监测算法中，而这些算法通常是基于信号幅度的短期平均/长期平均（STA / LTA） ）计算以标记地震。 这些模型可能会导致更快或更准确地检测地震。 数据理解–该数据集包含来自斯坦福地震数据集（STEAD）的120万个地震信号。 这是一个标记的数据集，具有用于测试地震信号上许多其他类型的机器学习的应用程序。 数据准备–地震数据用于创建> 600,000地震数据图像，这些图像用于训练模型。 建模–使用了两个模型：用于将地震与地震噪声区分开的分类模型，以及基于图像预测地震震级的回归模型

高一英语 Unit4 Earthquake Workbook课件 人教版大纲.ppt

数据可视化：1900 年以来的地震 尝试处理 作为 Processing 的第一次用户，这只是深入了解 Processing 功能的好方法。 美国地质调查局有一个可追溯到 1900 年的精彩地震数据库，所以它们来了！