深度學習提高餘震出現地點預報的準確度｜Nature自然科研

《自然》本周發表的一篇論文

Deep learning of aftershock patterns following large earthquakes

中，研究人員運用

機器學習

這種定律能預測大地震後會出現餘震地點的模式

圖片來自新聞與觀點文章

Aftershock forecasts turn to AI.

MARTY MELVILLE/AFP/GETTY

餘震是對大地震導致的地震應力變化的一種響應，現有的實證定律可用來描述餘震的規模和頻次，但解釋並預測發生餘震的地點被證實要難得多。此前，一種名為「庫侖破裂應力變化」

（基於地震期間應力向周圍的遷移）

地震-餘震的配對數據。

DeVries 

et al.

美國康涅狄克大學的Phoebe devries和同事通過13.1多萬組地震及其餘震的配對數據訓練了一種神經網路。作者發現，他們的神經網路能在包含3萬多組地震-餘震的獨立數據集中，識別並解釋出現餘震地點的模式，且比庫侖破裂應力變化的準確度更高。作者認為該結果強調了

深度學習方法可提高餘震預報的準確度

?

Nature|doi:10.1038/s41586-018-0438-y 

版權聲明：

本文由施普林格·自然上海辦公室負責翻譯。中文內容僅供參考，一切內容以英文原版為準。歡迎轉發至朋友圈，如需轉載，請郵件 Chinapress@nature.com。未經授權的翻譯是侵權行為，版權方將保留追究法律責任的權利。

? 2018 Macmillan Publishers Limited, part of Springer Nature. All Rights Reserved

本文由《Nature 自然科研》授權轉載，歡迎長按下方二維碼訪問關注。點擊「閱讀原文」獲取英文原文。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！