beplay2网页登录
中國科學技術大學利用機器學習揭示全球中大地震破裂模式
中國科學技術大學李澤峰研究員利用機器學習方法，總結了全球3000多個5.5級以上地震的震源時間函數特征，全景式地展示全球地震破裂過程的相似性和多樣性，深化了對地震能量釋放模式的認識，對地震早期預警具有啟示意義。該成果以“A generic model of global earthquake rupture characteristics revealed by machine learning”發表在國際知名地學期刊《Geophysical Research Letters》。
地震是對人類社會麵對的重要自然災害之一，近20年來全球中大地震已經造成全球近100萬人傷亡，經濟損失不計其數。地震破裂過程多種多樣，客觀衡量它們的相似性和差異性，有助於認識地震物理過程和地震震級的早期預測。然而，前人研究或是疊加多個地震的平均破裂過程，無法衡量全球地震差異範圍，或是基於某些破裂特征的統計，無法做到整個破裂過程的係統比較。
圖1：全球地震震源時間函數在變分自編碼器隱式空間的分布（a）和重構的全球地震破裂模式流形（manifold）（b）。
李澤峰研究員利用深度學習中的變分自編碼器(Variational Autoencoder)對全球3000多個中大型地震的震源時間函數進行二維空間壓縮和模型重構，全景式地展示了全球地震矩釋放模式和數量分布（圖1）。研究發現中大地震以簡單破裂為主，複雜破裂較少，並且揭示了兩類特殊地震的分布規律，即能量釋放集中在破裂後期的逃逸模式以及分多次能量釋放的複雜地震，發現大地震能量釋放模式具有弱震級依賴性，對地震早期預警中最終震級的可預測性提供了有益啟示。本研究是繼2021年李澤峰團隊和哈佛大學合作研究的震源時間函數聚類方法的發展，也是團隊近年來致力於將人工智能應用於科學發現（AI for Science）係列研究成果之一。
（來源:中國科學技術大學)
免責聲明：
① 凡本站注明“稿件來源：beplay2网页登录”的所有文字、圖片和音視頻稿件，版權均屬本網所有，任何媒體、網站或個人未經本網協議授權不得轉載、鏈接、轉貼或以其他方式複製發表。已經本站協議授權的媒體、網站，在下載使用時必須注明“稿件來源：beplay2网页登录”，違者本站將依法追究責任。
② 本站注明稿件來源為其他媒體的文/圖等稿件均為轉載稿，本站轉載出於非商業性的教育和科研之目的，並不意味著讚同其觀點或證實其內容的真實性。如轉載稿涉及版權等問題，請作者在兩周內速來電或來函聯係。