大數(shù)據(jù)文摘出品

編譯：朱科錦

用來訓(xùn)練DeepShake網(wǎng)絡(luò)的地震數(shù)據(jù)是來自于2019年加州Ridgecrest序列的地震記錄。DeepShake是由斯坦福大學(xué)的Daniel J. Wu、Avoy Datta、Weiqiang Zhu和William Ellsworth開發(fā)的。

當(dāng)開發(fā)者使用7月5日7.1級Ridgecrest地震的實際晃動來測試DeepShake的潛力時，神經(jīng)網(wǎng)絡(luò)在高強度地面晃動到來之前的7到13秒之間向Ridgecrest地區(qū)發(fā)出模擬警報。

研究者們強調(diào)了直接從地震記錄中使用深度學(xué)習(xí)進行快速預(yù)警和預(yù)測的新穎性。Datta解釋說，"DeepShake能夠跨越空間和時間的維度拾取地震波形中的信號。"

他補充說，DeepShake展示了機器學(xué)習(xí)模型在提高地震預(yù)警系統(tǒng)的速度和準(zhǔn)確性方面的潛力。

Wu說："DeepShake旨在改進地震預(yù)警，它直接通過地面運動預(yù)計晃動幅度，跳過傳統(tǒng)的預(yù)警系統(tǒng)所使用的一些中間步驟。

Wu解釋說，許多預(yù)警系統(tǒng)首先確定地震位置和震級，然后根據(jù)地面運動預(yù)測方程計算出某一地點的地面運動。

他補充說：“這些步驟中的每一步都可能造成誤差，從而阻礙地震動預(yù)測。”

為了解決這個問題，DeepShake團隊轉(zhuǎn)向了神經(jīng)網(wǎng)絡(luò)的方法。組成神經(jīng)網(wǎng)絡(luò)的一系列算法是在沒有研究人員確定哪些信號對網(wǎng)絡(luò)的預(yù)測 "重要 "的情況下訓(xùn)練出來的。該網(wǎng)絡(luò)直接從數(shù)據(jù)中學(xué)習(xí)哪些特征可以最佳地預(yù)測未來的搖晃強度。

Wu說："我們從構(gòu)建其他用于地震學(xué)的神經(jīng)網(wǎng)絡(luò)中注意到，它們可以學(xué)習(xí)各種有趣的東西，因此它們可能不需要地震的震中和震級來進行良好的預(yù)測，DeepShake是在預(yù)選的地震站臺網(wǎng)絡(luò)上訓(xùn)練的，因此這些站臺的局部特征成為訓(xùn)練數(shù)據(jù)的一部分。”

他說，"當(dāng)從頭到尾訓(xùn)練一個機器學(xué)習(xí)模型時，我們真的認(rèn)為這些模型能夠利用這些額外的信息來提高準(zhǔn)確性。"

Wu, Datta和他們的同事認(rèn)為DeepShake是對加州運行的ShakeAlert 的補充，增加了地震預(yù)警系統(tǒng)的工具箱。Datta補充說："我們非常高興將DeepShake擴展到Ridgecrest以外的地區(qū)，并輔助我們現(xiàn)實世界中的工作，包括如癱瘓車站和網(wǎng)絡(luò)延遲之類的故障。"

相關(guān)報道：

https://www.seismosoc.org/news/deepshake-uses-machine-learning-to-rapidly-estimate-earthquake-shaking-intensity/

志愿者介紹

原標(biāo)題：《進行三萬多次地震訓(xùn)練后，他們發(fā)現(xiàn)了快速預(yù)測震動強度的新方法》

閱讀原文