一个神经编码器用于预测地震速率
Oleg Zlydenko1, Gal Elidan1, Avinatan Hassidim1
1Google Research, Tel-Aviv, Israel.
Scientific reports
|July 31, 2023
概括
这项研究引入了一种用于地震预测的新神经网络模型,提高了预测的准确性和速度. 该模型通过学习地震数据中的复杂的空间和时间模式来增强地震率预测.
科学领域:
- 地质物理学 地质物理学
- 计算地震学计算地震学
- 机器学习 机器学习
背景情况:
- 地震时间预测是地震学的重大挑战.
- 对地震预测的预测模型进行比较仍然很困难.
- 现有的模型,如流行病类型余震序列 (ETAS) 模型,使用有限的空间-时间相关性参数.
研究的目的:
- 开发一个用于地震目录的多功能神经编码器.
- 将此编码器应用于在时空点过程框架内预测地震速率.
- 为增强的预测模型引入学习的空间和时间嵌入.
主要方法:
- 开发了一个神经编码器用于地震目录数据.
- 将编码器应用于时空点过程地震预测.
- 引入学习嵌入来捕捉复杂的相关性结构.
- 将额外的地质物理信息纳入模型.
主要成果:
- 与ETAS相比,概括的神经模型在每次地震的信息获取方面表现出[公式:参见文本]的改善.
- 该模型同时学习了异型空间结构,类似于断层痕迹.
- 短期预测任务显示了类似的准确性改进.
- 实现了训练网络计算运行时间的1000倍减少.
结论:
- 神经编码器为地震预测提供了比传统方法更普遍和更强大的方法.
- 学习嵌入有效地捕捉复杂的时空地震动态.
- 该模型显著提高了预测效率和准确性,使得更好的短期预测和分析地震模式.
更多相关视频
相关概念视频
01:24Back EMF
3.0K
Generators convert mechanical energy into electrical energy, whereas motors convert electrical energy into mechanical energy. A motor works by sending a current through a loop of wire located in a magnetic field. As a result, the magnetic field exerts a torque on the loop. This rotates a shaft, extracting mechanical work from the electrical current sent in initially. When the coil of a motor is turned, magnetic flux changes through the coil, and an emf (consistent with Faraday's law) is...
3.0K
01:17Energy and Power Signals
338
In an electrical system with a resistor, voltage and current signals facilitate the measurement of power and energy across the resistor. For a continuous-time signal, the total energy over a time interval is defined as the integral of the square of the signal's magnitude over that interval. Mathematically, this is expressed as:
338