文献类型：期刊文章

作　　者：李林芳[1] 石耀霖[1] 程术[1]

LI LinFang;SHI YaoLin;CHENG Shu(Key Laboratory of Computational Geodynamics,College of Earth and Planetary Sciences,University of Chinese Academy of Sciences,Beijing 100049,China)

机构地区：[1]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

出　　处：《地球物理学报》

基　　金：国家自然科学基金-地震局地震科学联合基金(U1839207);国家自然科学基金重大项目(41590865);国家重点研发计划(2018YFC1504200)资助.

年　　份：2022

卷　　号：65

期　　号：1

起止页码：12-25

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、GEOBASE、IC、JST、PA、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

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.

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  

分 类 号：P315]