长短时记忆神经网络在中期地震预报中的探索——以川滇地区为例
利用机器学习方法对地震活动大数据进行挖掘,识别出一些过去认识不到的异常,提高地震预测的准确性,是一个非常具有挑战性的科学问题.本文基于川滇部分地区(24°N-32°N,98°E-106°E)地震目录,采用滑动的时空窗口,选取16个反映地震时空强度分布特征的地震预测因子,建立了长短时记忆(LSTM)神经网络,对研究区域9个子区块未来一年的最大地震震级进行预测.通过设置训练集:测试集=8:2和训练集:测试集=7:3两个不同的训练测试模型,对过往发生的地震进行了回溯性预报.结果表明:训练集:测试集=7:3模型能够利用1970年1月至2004年9月的地震目录进行学习,成功回溯性预报2008年汶川地震;训练集:测试集=8:2模型利用1970年1月至2009年5月资料进行训练,回溯性预报2010-2019年间6级以上地震的R评分为0.407,回溯性7级地震预报时准确率高达92.31%.本文还探讨性给出预测意见:2022年2月前研究区西部、中部、东部、西南部存在发生5.1~5.3级地震的潜在危险性.
中期地震预报;长短时记忆神经网络;预报因子;R值;川滇地区
65
P315(大地(岩石界)物理学(固体地球物理学))
国家自然科学基金;国家自然科学基金;国家重点研发计划
2022-02-16(万方平台首次上网日期,不代表论文的发表时间)
共14页
12-25