通过机器学习提高洛杉矶地震预测准确度
Cemil Emre Yavas1, Lei Chen2, Christopher Kadlec2
1Department of Information Technology, Georgia Southern University, Statesboro, GA, USA. cy02470@georgiasouthern.edu.
Scientific reports
|October 18, 2024
概括
这项研究使用机器学习来预测加利福尼亚州洛杉矶的地震强度. 随机森林模型准确地预测30天内最大地震类别,改进了地震风险评估.
科学领域:
- 地质物理学和地震学
- 人工智能和机器学习
背景情况:
- 准确地预测地震仍然是地震风险管理的一个重大挑战.
- 加利福尼亚州洛杉矶面临着相当大的地震风险,需要改进预测能力.
研究的目的:
- 开发和评估机器学习模型,用于预测洛杉矶最大地震强度和类别.
- 确定用于短期地震预测的最有效的机器学习算法.
主要方法:
- 构建一个全面的特征矩阵,整合现有的和新的预测因素.
- 评估16个机器学习算法,包括神经网络.
- 随机森林模型的应用与预测的策划特征集.
主要成果:
- 随机森林模型,利用特定的特征集,在30天时间内预测最大地震类别时表现出高准确性.
- 随机森林的表现优于其他十五个评估的机器学习算法.
结论:
- 机器学习,特别是随机森林算法,提供了一种强大的方法来提高地震预测的准确性.
- 这些进展为改善洛杉矶等地震易发地区的地震风险管理和准备工作带来了巨大的潜力.
