测试深度学习在地震预测中的潜力
摘要：可靠的地震预测方法一直以来都备受追寻，而现代数据科学技术的兴起引发了一个新问题：深度学习是否有潜力学习这种模式？在这项研究中，我们利用日本俯冲带的良好地震台站覆盖所报告的大量地震数据。我们将地震预测视为一个分类问题，并训练一个深度学习网络来决定，长度超过2年的时间序列是否会在随后的一天以震级大于5的地震结束。我们的方法基于时空b值数据，我们训练了一个自动编码器来学习正常的地震行为。然后我们将像素级重建误差作为卷积扩张网络分类器的输入，该模型的输出可用于地震预测。我们为这个模型开发了一种特殊的渐进训练方法，以模拟实际应用场景。然后我们将训练好的网络在日本从2002年到2020年的实际数据序列上进行评估，以模拟真实应用的场景。模型的整体准确率为72.3%。这种分类的准确率明显高于基准线，并且未来可能通过更多数据进一步提高。
作者：Jonas Koehler, Wei Li, Johannes Faber, Georg Ruempker, Nishtha Srivastava
论文ID：2307.01812
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-07-06