抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】