详细内容或原文请订阅后点击阅览
几个月而不是几分钟：地球物理学家已经学会预测地震
机器学习算法在三个月内预测灾难的准确率达到 80%。
来源:安全实验室新闻频道机器学习算法预测了三个月内精度为80％的灾难。
来自阿拉斯加大学法本斯的研究人员和路德维希 - 马克西米利亚大学的慕尼黑大学开发了一种创新方法，用于预测发生前几个月的强烈地震。该研究的结果于2024年8月28日发表在《自然通讯》杂志上，在地震学和公共安全领域开放了新的前景。
自然通讯 div>来自阿拉斯加大学和慕尼黑大学的Kyriaki Drymoni的TársiloGirona使用机器学习方法来分析大量的地震数据。他们工作的目的是确定地震活动的弱信号，这可以在大地震之前进行。 研究人员着重于最近的两个重大地震事件：2018年Anchorida的7.1级地震，以及2019年在加利福尼亚州的Ridzhkrest发生的一系列地震。在这两种情况下，在主要事件前几个月都发现了异常地震活动的迹象。 根据所获得的数据，强烈地震的可能性增加到锚定事件发生前三个月，并且在开始前几天最高85％。在预测地震领域，这种结果是一个显着的突破。 预测方法基于在地震目录中训练的机器学习算法。这些算法可以检测低幅度的异常地震活性模式，这通常是大地震之前的。 研究人员认为，以前的低磁性活性可能是由于断层内部孔隙流体的压力增加引起的，从而改变了其机械性能。该技术使得在Ankoridge和Ridzhkrest地震发生前三个月，可以检测到15-25％的受影响地区的初步活动。
TársiloGirona使用机器学习方法来分析大量的地震数据。他们工作的目的是确定地震活动的弱信号，这可以在大地震之前进行。
研究人员着重于最近的两个重大地震事件：2018年Anchorida的7.1级地震，以及2019年在加利福尼亚州的Ridzhkrest发生的一系列地震。在这两种情况下，在主要事件前几个月都发现了异常地震活动的迹象。
根据所获得的数据，强烈地震的可能性增加到锚定事件发生前三个月，并且在开始前几天最高85％。在预测地震领域，这种结果是一个显着的突破。
预测方法基于在地震目录中训练的机器学习算法。这些算法可以检测低幅度的异常地震活性模式，这通常是大地震之前的。研究人员认为，以前的低磁性活性可能是由于断层内部孔隙流体的压力增加引起的，从而改变了其机械性能。该技术使得在Ankoridge和Ridzhkrest地震发生前三个月，可以检测到15-25％的受影响地区的初步活动。