自动语音识别可以预测同时发生的地震断层移位
Christopher W Johnson1, Kun Wang2,3, Paul A Johnson2
1Los Alamos National Laboratory, EES-17 National Security Earth Science, Los Alamos, NM, 87545, USA. cwj@lanl.gov.
Nature communications
|January 27, 2025
概括
机器学习,特别是Wav2Vec-2.0框架,使用地震数据准确预测地震断层位移. 这种方法有望通过分析地震信号来研究活跃断层区域.
科学领域:
- 地质物理学 地质物理学
- 地震学 地震学
- 人工智能的人工智能
背景情况:
- 机器学习 (ML) 已经推进了对地震波形的分析,以了解地震故障行为.
- 以前的ML在地震学的应用是从实验室实验和数值模拟中得来的.
- 这些方法已成功扩展到分析缓慢滑动断层.
研究的目的:
- 将Wav2Vec-2.0自主监督学习框架,最初用于语音识别,应用于连续的地震信号.
- 为了预测2018年基拉韦亚火山火山塌期间的表面移位,故障移位的代理.
- 探索人工智能模型在研究活跃断层区域方面的潜力.
主要方法:
- 使用了Wav2Vec-2.0框架,该框架预先训练了来自Kīlauea火山口的地震波形.
- 增强了模型架构,以预测同时发生的表面移位.
- 适应模型用于近期地震事件预测.
主要成果:
- 使用调整后的Wav2Vec-2.0模型,实现了对表面位移的优异预测.
- 观察到预测未来地震事件预测能力的初步迹象,尽管不强大.
- 证明地震断层产生类似于实验室和模拟环境中的地震信号.
结论:
- 该研究验证了人工智能模型的应用,如Wav2Vec-2.0,用于分析活跃断层区域的地震数据.
- 地震断层表现出与受控实验中观察到的地震信号相似的地震信号.
- 语音识别人工智能框架为推进地震学研究提供了一种新而强大的工具.


