典型文献
长短时记忆神经网络在中期地震预报中的探索——以川滇地区为例
文献摘要：
利用机器学习方法对地震活动大数据进行挖掘,识别出一些过去认识不到的异常,提高地震预测的准确性,是一个非常具有挑战性的科学问题.本文基于川滇部分地区(24°N-32°N,98°E-106°E)地震目录,采用滑动的时空窗口,选取16个反映地震时空强度分布特征的地震预测因子,建立了长短时记忆(LSTM)神经网络,对研究区域9个子区块未来一年的最大地震震级进行预测.通过设置训练集:测试集=8:2和训练集:测试集=7:3两个不同的训练测试模型,对过往发生的地震进行了回溯性预报.结果表明:训练集:测试集=7:3模型能够利用1970年1月至2004年9月的地震目录进行学习,成功回溯性预报2008年汶川地震;训练集:测试集=8:2模型利用1970年1月至2009年5月资料进行训练,回溯性预报2010-2019年间6级以上地震的R评分为0.407,回溯性7级地震预报时准确率高达92.31％.本文还探讨性给出预测意见:2022年2月前研究区西部、中部、东部、西南部存在发生5.1～5.3级地震的潜在危险性.
文献关键词：
中期地震预报;长短时记忆神经网络;预报因子;R值;川滇地区
中图分类号：
作者姓名：
李林芳;石耀霖;程术
作者机构：
中国科学院大学地球与行星科学学院,计算地球动力学重点实验室,北京100049
文献出处：
引用格式：
[1]李林芳;石耀霖;程术-.长短时记忆神经网络在中期地震预报中的探索——以川滇地区为例)[J].地球物理学报,2022(01):12-25
A类：
中期地震预报
B类：
长短时记忆神经网络,川滇地区,机器学习方法,地震活动,高地震,地震预测,科学问题,地震目录,时空强度,强度分布,预测因子,子区,大地震,地震震级,训练集,测试集,测试模型,过往,回溯,汶川地震,上地,级地震,报时,月前,西南部,潜在危险,预报因子
AB值：
0.290304
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
