美国地震学会 信用:Pixabay/CC0公共域 研究人员在美国地震学会(SSA)2021年年度会议上报告说，一个针对超过36000次地震的深度时空神经网络提供了一种新的方法，一旦地震发生，可以快速预测地面震动强度
DeepShake实时分析地震信号，并根据地震中最早检测到的波的特征发出强烈震动的预警
DeepShake是由丹尼尔J
吴，，朱伟强和威廉埃尔斯沃斯
用于训练DeepShake网络的地震数据来自于2019年加州山脊线序列的地震记录
当开发者用7月5日7级地震的实际震动测试DeepShake的潜力时
1脊顶地震，神经网络在高强度地面震动到达脊顶地区之前7到13秒发出模拟警报
作者强调了利用深度学习直接从地震记录中快速预警和预测的新颖性
达塔解释说:“DeepShake能够在空间和时间维度上采集地震波形信号。”
他补充说，DeepShake展示了机器学习模型在提高地震预警系统的速度和准确性方面的潜力
吴说:“DeepShake旨在通过直接从地面运动观测中进行地震估计来改进地震早期预警，去掉了一些传统预警系统使用的中间步骤。”
吴解释说，许多预警系统首先确定地震的位置和震级，然后根据地面运动预测方程计算某一位置的地面运动
“这些步骤中的每一步都会引入误差，从而降低地面震动预测，”他补充道
为了解决这个问题，DeepShake团队转向了神经网络方法
组成神经网络的一系列算法是在没有研究人员识别出哪些信号对网络在预测中使用“重要”的情况下训练出来的
网络直接从数据中学习最佳预测未来震动强度的特征
吴说:“我们已经注意到，通过建立其他用于地震学的神经网络，他们可以学习各种有趣的东西，所以他们可能不需要震中和震级来做出好的预测。”
“DeepShake是在预先选定的地震台站网络上进行训练的，因此这些台站的当地特征成为训练数据的一部分
" “当从头到尾训练一个机器学习模型时，我们真的认为这些模型能够利用这些额外的信息来提高准确性，”他说
吴，和他们的同事认为DeepShake是对加州地震预警系统的补充，是对地震预警系统工具箱的补充
“我们真的很兴奋能将DeepShake扩展到Ridgecrest之外，并加强我们在现实世界中的工作，包括失败案例，如停机站和高网络延迟，”达塔补充道
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
