本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2024-03-12
摘要
臨近預報是源自經濟學、金融學和氣象學的術語。它是指透過間接手段確定當前經濟、市場或天氣的不確定狀態的過程。在本文中，我們描述了一種簡單的雙參數資料分析，該分析揭示了看似混亂的地震活動中隱藏的順序。這些參數之一與重大事件發生前地殼應變硬化物理學所引起的地震靜止機制有關。我們觀察到與加州大地震相關的地震週期，與長期以來的假設類似。可以透過使用接收器操作特徵技能得分形式的機器學習來優化該狀態變數時間序列所揭示的地震災害的估計。這裡使用 ROC 技能作為監督學習模式中的損失函數。我們的分析是在以洛杉磯為中心的 5 度 x 5 度經緯度區域中進行的，我們在先前的論文中使用該區域使用更複雜的方法構建類似的時間序列（Rundle & Donnellan，2020， 等人，2021 年， ROC 和精度 (PPV) 指標可以以簡單、直接和嚴格的方式定義當前地震危險的機率。通俗概括 地震臨近預報是指確定目前、近期和近期大地震的危險性。臨近預報是從經濟學、市場和氣象學中藉來的概念，在這些領域中經常使用。在本文中，我們透過對資料進行非常簡單的變換，證明了混沌地震活動中隱藏著秩序。小地震似乎從產生地震波的不穩定黏滑事件過渡到不產生地震波的穩定滑動。我們的假設是，這種轉變是由於一種稱為應變硬化的材料現象造成的，這種現像在實驗室岩石力學實驗中經常觀察到。結果是在加州過去 51 年中計算出的狀態變數時間序列，與人們期待已久的壓力累積和釋放週期非常相似。使用監督機器學習技術，我們可以優化二參數模型。根據這個最佳化模型，我們可以嚴格計算當前大地震災害的機率。擴展這些方法，我們還可以計算空間危險。其結果是一種評估地震危害的新方法，可用於多種應用。