Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

通过深度序列到序列学习来预测地震预警的快速波场预测.

Dongwei Lyu1,2,3, Rie Nakata1,2,4, Pu Ren2

  • 1International Computer Science Institute, Berkeley, CA, USA.

Nature communications
|November 23, 2025
PubMed
概括

WaveCastNet是一种新的深度学习模型,可以准确地预测地震波场和实时地面运动强度. 这种高效的模型可以很好地将其推广到关键的地震场景中,而不需要大小或震中数据.

相关实验视频

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Learning earthquake ground motions via conditional generative modeling.

Nature communications·2026
Same author

LossLens: Diagnostics for Machine Learning Through Loss Landscape Visual Analytics.

IEEE computer graphics and applications·2025
Same author

Upper-plate conduits linked to plate boundary that hosts slow earthquakes.

Nature communications·2023
Same author

The capture of extracellular vesicles endogenously released by xenotransplanted tumours induces an inflammatory reaction in the premetastatic niche.

Journal of extracellular vesicles·2023
Same author

Response.

Chest·2021
Same author

Predicting trends in the quality of state-of-the-art neural networks without access to training or testing data.

Nature communications·2021

科学领域:

  • 地质物理学 地质物理学
  • 计算地震学计算地震学
  • 人工智能的人工智能

背景情况:

  • 对于地震预警系统来说,对地震波场的准确预测至关重要.
  • 传统的方法经常与复杂的波传播作斗争,并需要容易出错的预估步骤.
  • 深度学习模型为改善地震波场预测提供了潜力.

研究的目的:

  • 介绍WaveCastNet,这是一个用于高维波场预测的新型深度学习模型.
  • 评估WaveCastNet在预测地震波强度和时间方面的表现,特别是在关键场景中.
  • 与现有方法相比,证明模型的效率和概括能力.

主要方法:

  • 开发了WaveCastNet,将卷积式长表达式内存架构集成到一个序列对序列框架中.
  • 利用来自旧金山湾区的模拟地震数据进行培训和验证.
  • 在真实地震数据上评估模型,展示零射击能力.

主要成果:

  • WaveCastNet成功地预测了实时破坏性地面运动的强度和时间.
  • 该模型展示了对罕见的地震事件,如大规模地震的优越概括性.
  • 由于重量共享,WaveCastNet实现了更快的推断时间,并且需要比变压器模型更少的参数.

结论:

  • WaveCastNet提供了一种高效准确的深度学习方法,用于地震波场预测.
  • 该模型在没有大小或震中估计或经验模型的情况下预测地面运动的能力代表了重大进步.
  • WaveCastNet显示了对实时地震影响评估和预警系统的承诺.