EARTHQUAKE EVENT CLASSIFICATION METHOD USING ATTENTION-BASED CONVOLUTIONAL NEURAL NETWORK RECORDING MEDIUM AND DEVICE FOR PERFORMING THE METHOD

A method for classifying an earthquake event using an attention-based convolutional neural network includes: centering and pre-treating input earthquake data; extracting a feature map by non-linearly converting the pre-treated earthquake data through at least three plurality of convention layers; measuring an importance of a feature trained based on an attention scheme for modeling mutual dependency between channels of a feature map; correcting a feature value by multiplying a measured importance value by the trained feature map with respect to each element; performing down-sampling through max-pooling, based on the feature value; and classifying the earthquake event by normalizing the down-sampled feature value. Accordingly, main features included in a larger amount of complex materials are extracted through the attention-based deep learning. Accordingly, the limitation of a conventional technology of sensing fine earthquakes is overcome, such that the earthquake is sensed even under a lower signal to noise ratio (SNR) environment. 주의 기반 뉴럴네트워크를 이용한 지진 이벤트 분류 방법은, 입력되는 지진 데이터를 센터링하여 전처리하는 단계; 전처리된 지진 데이터를 3개 이상의 복수개의 컨벌루션 레이어들을 통해 비선형 변환하여 특징맵을 추출하는 단계; 비선형 변환된 지진 데이터를 상기 특징맵의 채널 간 상호 종속성을 모델링한 주의 기법을 기반으로 학습된 특징의 중요도를 측정하는 단계; 측정된 중요도 값은 학습된 특징맵과의 요소별 곱을 통해 특징값을 보정하는 단계; 상기 특징값을 기초로 맥스 풀링(max-pooling)을 통해 다운 샘플링(down-sampling)하는 단계; 및 상기 다운 샘플링된 특징값을 정규화하여 지진 이벤트를 분류하는 단계;를 포함한다. 이에 따라, 주의 기반 딥러닝을 통해 다량의/복잡한 자료들 속에 내재되어 있는 주요한 핵심 특징을 추출하며 이를 통해 기존의 미소 지진 감지 기술이 갖는 한계를 극복하며 낮은 SNR 환경에서도 지진 감지를 가능하게 한다.