-
题名基于机器学习随机森林算法的地震序列类型判定研究
被引量：1
- 1
-
-
作者
王锦红
蒋海昆
-
机构
南方科技大学地球与空间科学系
中国地震台网中心
-
出处
《中国地震》
北大核心
2024年第3期517-531,共15页
-
基金
地震动力学国家重点实验室开放基金(LED2022B05)资助。
-
文摘
基于1970-2021年中国内地地震目录、地震序列目录和历史地震震源机制资料,构建地震序列类型判定训练、检验特征样本数据集,将地震序列标签分为多震型、主余型、孤立型三类。采用特征递归消除-随机森林(RFE-RF)机器学习算法建立地震特征参数和地震序列类型之间的非线性映射关系,对震后3个不同时间节点的地震序列类型进行早期预测,并对特征重要性进行讨论。结果显示,数据预处理方法对模型分类性能有重要影响,同类样本中位值补齐缺失特征并采用随机重采样方法预处理可达到较高的分类预测效果。对分类结果的交叉检验结果显示,在震后1天,三类样本的总体报准率可达0.93。考察模型最优特征子集随时间的变化可见,在地震刚发生时(即缺乏地震序列资料数据的情况下),相对于传统的历史地震序列类比,主震震源机制相关参数以及主震震源机制P轴方位相对于附近区域应力场的偏差等相关参数具有更大的分类贡献率。随着震后时间的延长,序列相关特征成为地震序列类型判定的主要因素。在震后3天,在可能已发生最大余震的地震序列数据集中,主震与最大余震震级差成为判定地震序列类型的关键因素。相较于单一的随机森林(RF)模型,RFE-RF模型的在震后1天测试集中报准率提高了0.41,能够更有效地对地震序列类型加以区分。
-
关键词
地震序列类型判定
中国内地
随机森林
递归消除
-
Keywords
Judgement of earthquake sequence types
Chinese mainland
Random forest
Recursive elimination
-
分类号
P315
[天文地球—地震学]
-
-
题名青海及邻区地震序列h值震型判定与强余震预测研究
被引量：3
- 2
-
-
作者
马茹莹
马震
王培玲
苏维刚
-
机构
青海省地震局
-
出处
《地震研究》
CSCD
北大核心
2016年第S1期69-75,133,共8页
-
基金
青海省地震局2016年地震科学基金--青海北部ML≥3.0级地震平静与中强以上地震的关系研究(2016B04)资助
-
文摘
通过对青海及其周边28组记录相对完备的5.0级以上中强地震序列进行计算,得到各个序列h值随时间的变化趋势。结果显示:所有地震序列h值在主震发生后0~3天内波动变化较大,除个别地震序列外,h值在震后第8天开始趋于稳定;可根据h值是否大于1快速判定地震序列是否为前震型序列,但由于不同类型地震序列之间h值分布范围重叠较为严重,不能根据h值完全准确地判定出序列类型;通过h值方法得到最大余震震级的预测结果报准率约为70%(震级误差为±0.5级),余震震级较低时,预测结果相对较为准确,孤立型序列判定结果优于主余型序列;根据实际发生的地震,检验认为门源6.4级地震序列的发展趋势和最大余震均符合h值预测所得结果。
-
关键词
H值
地震序列类型判定
强余震预测
青海及邻区
-
Keywords
h-value
determination of sequence type
strong aftershock prediction
Qinghai Province and its adjacent area
-
分类号
P315.7
[天文地球—地震学]
-
