当前位置:首页 > 探索

深度学习更准确预警余震

研究示意图。深度图片来源:《地球物理研究快报》

科技日报记者 刘霞

    30多年来,学习用于预警地震余震的更准模型基本上没有变化。虽然这些模型在数据有限的确预情况下运行良好,但随着数据量与日俱增,警余这些模型举步维艰。深度鉴于此,学习美国和德国科学家创建了一个使用深度学习预警余震的更准新模型,其不仅比现有地震预警模型更高效,确预还可以扩展。警余相关研究刊发于8月31日出版的深度《地球物理研究快报》上。

  新模型名为“复发地震预报”(RECAST),学习在10000多次地震事件中,更准其表现优于现有的确预传染型余震序列(ETAS)模型。

  论文主要作者、警余加州大学圣克鲁斯分校凯利安·达舍尔-库西诺解释称,ETAS模型基于上世纪80年代和90年代的观测数据集而设计,当时科学家们试图根据很少的观测结果建立可靠的预警。但现在地震目录变得更庞大且更详细,在科学家们已拥有数百万个地震事件目录,旧模型根本无法处理这么多数据。

  为证明RECAST的能力,研究小组首先使用ETAS来模拟地震目录,随后他们使用南加州地震目录中的真实数据测试了RECAST的模拟能力。结果发现,RECAST在预警余震方面的表现略好于ETAS,尤其在数据量增加的情况下。

  研究团队指出,机器学习领域不断取得新进展,RECAST模型将更准确,更容易适应不同的地震目录。该模型也为地震预警开辟新的可能性。由于能够适应大量新数据,该模型有可能结合来自多个地区的信息,更好地预警数据不足地区的情况。

分享到: