Py学习  »  机器学习算法

《使用机器学习进行地震预报——将震前电离层异常识别和分类为地震信号》2022最新58页报告,林肯实验室

专知人工智能 • 1 年前 • 131 次点击  
地震是致命的,高代价的,不可预测的。迄今为止,对地震的研究主要是通过地震学,它使研究人员能够描述地震的长期发展过程,但无法提供短期灾害准备所必需的早期预测。全球导航卫星系统(GNSS)卫星为研究地震提供了一个新的机会,并开始揭示地震前过程和全球电路之间的复杂相互作用,这可能是地震早期预测的关键。QuakeCast项目正在开发一种新的机器学习方法,将电离层异常识别为震前地震信号,并使用它们预测即将发生的震级、地理区域和时间。
在20财年,我们提出了一对原型机器学习分类器,以探索使用电离层总电子含量(TEC)数据短期预测即将发生地震的可能性。我们编制了一个横跨十年的全球电离层TEC数据和地震事件的数据集。我们证明,经典逻辑回归模型和在该数据集上训练的深度学习ConvLSTM自编码器异常检测器都能够在时间序列中预测未来的地震。这些结果有力地表明,电离层TEC数据中的信号包含的信息可用于比现有系统提供的当前警报更早地预测地震。
在20财年完成的研究是探索性的,数据集和机器学习管道是专门的,以支持对潜在概念的开放探索。在21财年,我们致力于完善我们的机器学习基础设施,使我们能够更快地设计、测试和迭代数据和算法。本报告将讨论为支持高级算法而建立的基础,增强的数据集,包括不同的传感模式和分辨率,以及几种新算法的结果,以测试基于数据和检测的假设。
(图 1. QuakeCast 项目旨在通过使用机器学习来识别和分类电离层异常,从而在地震发生前 8 小时提供预警。)
QuakeCast 是国土保护、空中交通管制、人道主义援助和灾难响应拨款资助的项目,旨在至少在地震发生前八小时提供地震预报(见图 1)。这是通过使用机器学习来识别 TEC 异常并按震级、地理区域和事件窗口对震前地震信号进行分类来实现的。该项目收集了超过 10 年的电离层 TEC 数据,其中包含 10,000 多次地震,并正在利用机器学习方法分析这些数据以寻找表明即将发生地震的模式。如果成功,可能会提供“摇晃预报”,就像您对传统天气预报的期望一样:“今天多云,摇晃的可能性适中。”
1.震前信号。在大于5级的强震之前,已经观察到电离层中TEC的异常干扰[Liu, Zhou, Zolotov]。一些理论认为,由于火成岩的晶格结构缺陷,震前过程中岩石圈的微裂缝产生了应力激活的电流(见图2)。
(图 2. 花岗岩块(例如在岩石圈中发现的花岗岩块)的实验室测试表明,在受压时会产生电流 [图 2,弗氏])
如图 3 所示,电离层通过全局电路与这些电流耦合,导致受影响区域上方的 TEC 快速变化 [Freund、Kuo、Molchanov]。
(图 3. 由于震前微裂纹在岩石圈中产生的电流,电离层、大气和岩石圈之间的电流流动。)
2.传感器观察电离层。全球导航卫星系统(GNSS)通过测量卫星和地面接收机之间L1和L2频率的时间延迟来监测全球电离层TEC。电离层传播延迟在正常运行中被持续测量,因为它影响到定位精度。由GNSS收集的TEC数据可以被监测到由于地震前活动引起的异常变化。
3.检测和分类异常情况。QuakeCast正在开发机器学习算法来识别这些TEC异常,并将其归类为震前地震信号。
4.发布预报。通过持续监测地震易发区上方的TEC,QuakeCast旨在提供地震预报,以警告该地区即将发生的事件,并提供预测的风险区域、事件窗口和事件震级。
5.灾害准备。根据地震预报,该地区可以通过堆放物资、疏散人员,以及将一些基础设施投入安全模式来进行准备。这将拯救生命和减少经济损失。
6.未来的地震。地震发生在预测的区域和事件窗口,震级为预测震级。

 


专知便捷查看

便捷下载,请关注专知人工智能公众号(点击上方关注)

  • 点击“发消息” 回复 QC58” 就可以获取《《使用机器学习进行地震预报——将震前电离层异常识别和分类为地震信号》2022最新58页报告,林肯实验室》专知下载链接


  • 欢迎微信扫一扫加专知助手,咨询使用专知,定制服务合作


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取70000+AI(AI与军事、医药、公安等)主题干货知识资料!

点击“阅读原文”,了解使用专知,查看获取100000+AI主题知识资料

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/151373
 
131 次点击