Dec, 2023

面向实时地震预警的泛化神经网络

TL;DR利用深度学习直接挖掘地震波形来增强地震监测能力,本研究使用数据重组方法训练具有普适性的神经网络,以便应用于不同地区的地震监测,实现实时的地震早期预警。通过应用于日本和美国加利福尼亚的地震序列,我们的模型可在触发的第一个台站后的 4 秒内可靠地报告地震位置和震级,平均误差分别为 2.6-6.3 公里和 0.05-0.17。这些普适的神经网络有助于全球实时地震早期预警的应用,消除了传统方法中通常需要复杂经验配置的要求。