基于深度学习的前兆性小震活动异常研究OA
1引言地震前兆信号的识别对于深入理解地壳的动态变化和提供有效的地震预警至关重要。尽管地震前兆尚缺乏明确的模式,低震级地震活动在大型地震前会出现不寻常的分布和变化。本研究旨在运用长短期记忆网络(LSTM)模型,深入分析大型地震前的地震活动规律。通过对低震级地震活动的时序数据进行建模,探讨多变量统计特征的异常变化是否可以作为大型地震的潜在预兆。然而,目前许多地震目录仅公开震级在3.0级以上的地震,造成用于机器学习中低震级样本不足,难以学习到全部的地震活动信息。
张家睿;景锡龙;杨铭琳;于紫凝
中国海洋大学,青岛266404中国海洋大学,青岛266404中国海洋大学,青岛266404中国海洋大学,青岛266404
天文与地球科学
深度学习LSTM模型ERAS模拟动荡概率
《地震地磁观测与研究》 2026 (S1)
P.116-118,3
评论