美国国家实验室利用机器学习进行地震预测研究

GSTDTAP > 地球科学

	美国国家实验室利用机器学习进行地震预测研究
	赵纪东
	2017-09-15
所属快报	地球科学快报
出版年	2017
期	18
语种	中文
领域	地球科学
栏目	前沿研究动态
中文关键词	美国 ; 机器 ; 地震预测 ; 研究
中文摘要	美国洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）的研究人员利用机器学习方法研究室内模拟地震的物理特征，发现来自断裂带的有关信号可以为断层的即将滑动提供定量化预测信息，相关研究成果在2017年8月底在线发表于《地球物理研究通讯》（Geophysical Research Letters）上。
情报分析_信息来源性质	期刊
情报分析_信息来源期刊	Geophysical Research Letters
情报分析_信息来源国家	美国
情报分析_信息类别	前沿研究动态
情报分析_研究主题	地震预测
情报分析_研究内容	研究人员在实验室自建了一套由断层泥和石块等组成的断层系统，并利用加速度计来记录从剪切层发出的信号。在信号的分析过程中，研究人员使用了机器学习方法。机器学习是一种人工智能方法，其允许计算机通过学习新的数据，并基于新数据的含义完善之前的分析结果。在该研究中，研究人员通过机器学习方法发现了一种新的信号——之前被认为是一种低振幅噪音（low-amplitude noise），其可以为整个地震周期提供预测信息。研究者表示，在自然界中断层慢速滑动的地震带极有希望发现这种信号。与此同时，研究发现，机器学习方法可以非常准确地预测实验室地震的发生时间，而这主要得益于声发射（acoustic emission，AE）信号——其能够很好地表征系统的瞬时物理状态。在此之前，所有的研究都假设大地震事件之间是相互联系的，而声发射信号的小幅波动往往被忽略。该项研究的首席研究员Paul Johnson表示，这项工作的创新之处在于通过实验室装置来记录有关信号，然后通过机器学习方法来查看数据，并发现和认识断层破裂的新的物理特征。未来，地震物理研究或许将在很大程度上依赖这种方法来处理大量的原始资料。这项工作不仅对地震预报具有潜在意义，而且还具有深远的影响，其适用于所有潜在的破裂情景分析，如工业材料脆性破坏的非破坏性测试、雪崩和其他事件等。
原文链接	查看原文
文献类型	快报文章
条目标识符	http://119.78.100.173/C666/handle/2XK7JSWQ/180754
专题	地球科学
推荐引用方式 GB/T 7714	赵纪东. 美国国家实验室利用机器学习进行地震预测研究. 2017.