RESEARCH / 04
Forecasting future earthquakes with deep neural networks: application to California
研究摘要
我们使用过去估计的释放地震能量的对数空间图作为全卷积网络（fully convolutional networks, FCN）的输入来预测未来的地震。将该模型应用于加利福尼亚，并与一种详细版本的流行病型余震序列（epidemic type aftershock sequence, ETAS）模型进行了比较。模拟结果表明，根据Molchan图，FCN模型在预测M≥3.0、4.0和5.0级地震方面与ETAS模型接近。此外，训练和实现FCN模型比校准ETAS模型并生成其概率预测快2000-4000倍。FCN模型在神经网络结构和特征工程方面比较直观。它不需要广泛的统计地震学知识，也不需要分析地震目录的完备性。采用M≥0的地震目录作为FCN输入，可以提高模型在某些时震级预测窗口内的性能。
推荐引用
Ying Zhang, Chengxiang Zhan, Qinghua Huang, Didier Sornette, Forecasting future earthquakes with deep neural networks: application to California, Geophysical Journal International, Volume 240, Issue 1, January 2025, Pages 81–95, https://doi.org/10.1093/gji/ggae373