在本周发表在“ 自然 ”杂志上的 篇论文中，研究人员展示了深度学习如何比现有模型更可靠地帮助预测余震位置。科学 训练了 个神经网络，在数据库中查找超过131,000次“主震 - 余震”事件的模式，然后在30,000个类似对的数据库上测试其预测。
深度学习网络比 有用的现有模型（称为“库仑失效应力变化”）更可靠。在从0到1的精度范围内 - 其中1是完全精确的模型，0.5与翻转 样好硬币 - 现有库仑模型得分为0.583，而新的AI系统达到0.849。
哈佛大学地球与行星科学教授布伦丹·米德（Brendan Meade）告诉“ 科学日报”，结果很有希望。“你想知道三件关于地震的事情，”米德说。“当他们将要发生时，他们将会有多大，他们将会在哪里。在这项工作之前，我们有关于它们何时会发生以及它们将会变得多大的经验法则，现在我们正处于可能发生的第三条腿。“
人工智能在这 域的成功归功于该技术的核心优势之 ：它能够发现复杂数据集中以前被忽视的模式。这在地震学中尤为重要，因为在地震学中看到数据中的连接非常困难。地震事件涉及太多变量，从不同区域的地面构成到地震板块之间的相互作用类型，以及能量在波浪中穿过地球传播的方式。理解这 切是非常困难的。
研究人员表示，他们的深度学习模型能够通过考虑 个被称为“冯米塞斯屈服准则”的因素来做出预测，这是 种用于预测材料何时开始在压力下破裂的复杂计算。正如Meade告诉“ 科学日报”，这个因素常用于冶金等 域，“但在地震科学中从未流行过。”现在，根据这 新模型的发现，地质学 可以研究其相关性。
尽管这项研究取得了成功，但它还远未准备好在现实 中部署。 ，AI模型只关注由地面永久性变化引起的余震，称为静态应力。但后续地震也可能是由于后来发生的地面隆隆声造成的，称为动态压力。现有模型也太慢而无法实时工作。这很重要，因为大多数余震发生在地震发生后的第 天，然后在每 天的频率大致减半。
正如帮助 导研究的哈佛大学博士后Phoebe DeVries告诉“ 科学日报”：“我们距离实际能够预测[余震]还有很长的路要走，但我认为机器学习在这方面具有巨大的潜力。”
:021-80392064 QQ：2039609103 企业入驻:
