【论文阅读记录】一篇关于地震预测的论文

这篇论文探讨了使用机器学习预测实验室地震的方法,通过对材料受力的音频信号进行特征分析,采用随机森林模型成功预测了失效剩余时间。研究发现,统计特性如方差和高阶矩对预测地震非常有效,且深度学习在灾害预测中也有应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言:

{

    这几天开始忙了,可能时间没有之前充裕,但是我尽量3天一更吧。

    这篇论文的名称是《Machine Learning Predicts Laboratory Earthquakes》(机器学习预测实验室地震)[1],读一读扩充一下视野。

}

 

正文:

{

    在第一节,作者先介绍了经典的地震预测方法:基于地震的间隔时间来预测。但是,这种方法在最近的一段时间开始不靠谱了。而且受仪器进步的影响,最近10几年的发现了之前未被识别的地震新现象:慢滑移,低频地震和地球震颤[2],这些新发现可能对预测地震有帮助。并且随着仪器越来越先进,也许最终我们能发现所有地震的先兆。

 

    第二节的标题是材料与方法。在实验室中,当材料受力并接近失效时,它会显示出临界受力形态的相关特征,包括许多小的剪切失效,而从这种不稳定的状态可以推断出一次实验室地震。作者试图使用音频信号来预期失效剩余时间(即在最近一次失效前所剩的时间)。

图1

    在图1中,a部分的红线代表要预测的失效剩余时间;b部分的黑线代表用于训练的音频数据,黑线上面的虚线方框代表计算特征的移动窗口,黑线下面的三条线代表三种特征数据,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值