GRL:利用机器学习全景式揭示全球中大地震破裂模式
中国科学技术大学李泽峰研究员利用机器学习方法,总结了全球3000多个5.5级以上地震的震源时间函数特征,全景式地展示了全球地震破裂过程的相似性和多样性,深化了对地震能量释放模式的认识,对地震早期预警具有启示意义。
李泽峰研究员利用深度学习中的变分自编码器(Variational Autoencoder)对全球3000多个中大型地震的震源时间函数进行二维空间压缩和模型重构,全景式地展示了全球地震矩释放模式和数量分布(图1)。研究发现中大地震以简单破裂为主,复杂破裂较少,研究同时揭示了两类特殊地震的分布规律,即能量释放集中在破裂后期的逃逸模式以及分多次能量释放的复杂地震,发现大地震能量释放模式具有弱震级依赖性,对地震早期预警中最终震级的可预测性提供了有益启示。
图1:全球地震震源时间函数在变分自编码器隐式空间的分布(a)和重构的全球地震破裂模式流形(manifold)(b)。
资料来源:李泽峰
本研究是继2021年李泽峰团队和哈佛大学合作研究的震源时间函数聚类方法的发展,也是团队近年来致力于将人工智能应用于科学发现(AI for Science)系列研究成果之一。
扩展阅读
1. Source Time Function Clustering Reveals Patterns in Earthquake Dynamics:
https://pubs.geoscienceworld.org/ssa/srl/article-abstract/92/4/2343/595796/Source-Time-Function-Clustering-Reveals-Patterns?redirectedFrom=fulltext
2. Subdivision of Seismicity Beneath the Summit Region of Kilauea Volcano: Implications for the Preparation Process of the 2018 Eruption:
https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2021GL094698
相关公众号文章:
论文原文
扫码访问原文
https://doi.org/10.1029/2021GL096464
关于期刊
Geophysical Research Letters (GRL) 发表对地球科学主要领域的科学进展进行研究的具备高影响力、创新性和时效性的文章。本期刊的论文为通讯稿长度的短篇文章,要求能在相关学科或整个地球科学领域产生直接而广泛的影响。
2020年影响因子: 4.720
5年影响因子: 5.265
从投稿到一审意见的中位数时间:34天
点击下方“阅读原文”访问GRL期刊网站,阅读更多精彩内容。