使用集体学习研究地震统计特征的预测能力
1Department of Computer Science, University College London, London, United Kingdom.
PloS one
|February 19, 2026
概括
地震特异性特征显示出对地震预测的前景,优于通用时间序列分析. 这表明,领域知识是了解地震事件发生前地下条件的关键.
科学领域:
- 地质物理学 地质物理学
- 地震学 地震学
- 数据科学数据科学数据科学
背景情况:
- 预测地震是一个复杂的挑战,经常遇到怀疑.
- 以前的研究有时会遭受数据泄露,从而使得成功率上升.
- 一项先前的研究表明,使用地震特征的预测能力,同时控制数据泄露.
研究的目的:
- 确定地震统计特征是否捕获用于地震预测的特定领域知识.
- 将地震特征的预测能力与通用时间序列特征进行比较.
- 在地震预测中验证预测信息的来源.
主要方法:
- 将60个地震统计特征与TSFresh包中的428个通用时间序列特征进行了比较.
- 使用XGBoost模型预测15天内发生的地震 (M≥5级).
- 采用严格的方法来防止过和数据泄露.
主要成果:
- 使用地震统计特征的模型实现了曲线下的面积 (AUC) 高达0.87.
- 仅使用tfresh通用特征的模型的表现并不比随机机会更好.
- 这凸显了地震特异性数据在捕获地震前地下信息方面的重要性.
结论:
- 地震特异性特征显然可以捕获用于地震预测的有价值信息.
- 一般的时间序列特征缺乏有效预测所需的特定领域的洞察力.
- 未来的研究可以增强这些地震特征,用于潜在的操作地震预测.
