機械学習による実験室地震の予測【JST・京大機械翻訳】

van Klaveren Silke; Vasconcelos Ivan; Niemeijer Andre

プレプリント

J-GLOBAL ID：202202219518692476 整理番号：22P0209288

機械学習による実験室地震の予測【JST・京大機械翻訳】

Predicting laboratory earthquakes with machine learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年11月12日プレプリントサーバーでの情報更新日： 2020年11月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

地震の予測の成功は,地球科学におけるhoそう出の1つである。伝統的予測は,再発間隔に関する統計的情報を使用するが,それらの予測は十分に正確でない。最近の論文では,機械学習手法を提案し,実験室地震のデータに適用した。機械学習アルゴリズムはアコースティックエミッションによる放射エネルギーの連続測定を利用し,実験室地震のタイミングを成功裏に予測することができた。ここでは,ガラスビーズの断層層に適用したモデルを再現し,それを塩の断層層を用いて得たデータセットに適用した。この塩実験では,異なる負荷点速度を設定し,可変の再発時間を導いた。使用した機械学習技法はランダムフォレストと呼ばれ,地震間期間にアコースティックエミッションを使用する。ランダム森林モデルは,地震の前にも,両材料に対して比較的信頼できる予測を行うことに成功した。明らかに,実験を通して次の地震の時期に関するデータに情報があった。ガラスビーズエネルギーは,徐々に,次第に放出され,一方,塩エネルギーは,前駆体活性中にのみ放出され,従って,予測で使用される重要な特徴は,異なる。滑りの異なる微視力学による結果の違いを説明した。研究は,機械学習手法が不安定な滑り事象(地震)のタイミングに関するデータにおける情報の存在を明らかにすることができることを示した。更なる研究は,自然条件に外挿するのに使用される可能性のある微視力学プロセスを同定するのに必要である。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る