摘要：由于天然或人為干擾產生的局部脈沖式噪聲影響,使得地震預警系統出現誤報。為減少此類問題,我們利用美國南加州和日本的30萬條地震波形記錄,訓練了一個生成式對抗網絡(GAN)用于識別P波初至特征。我們將GAN判別器作為自動特征提取器,并利用70萬條地震事件和噪聲波形記錄訓練了一個隨機森林分類器。結果表明,該方法可以辨別99.2%的P波和98.4%的噪聲信號。其優越的性能有望極大地減少因局部脈沖式噪聲而造成的誤觸發數量。我們的研究表明,GAN判別器能獲取簡潔有效的地震波形特征,可廣泛應用于地震學研究。小結 地震預警系統受到脈沖式噪聲信號的干擾(非真實地震信號),有時偶爾會出現誤觸發的情況。這會造成不必要的經濟損失和公眾恐慌。本文利用機器學習工具判別波形是由地震產生的還是由局部噪聲源產生的。我們通過利用美國南加州和日本大約70萬條波形來訓練算法。研究表明,利用機器學習方法可以識別99.2%的地震和98.4%的噪聲。該方法可以減少大量的誤報,能顯著改善地震預警系統的魯棒性。