使用深度学习预测火山口崩塌 - Eos

2024-09-18 13:00:00 英文原文

编辑亮点是 AGU 期刊编辑近期论文的摘要。

来源：地球物理研究杂志：固体地球

数十起准周期性火山口塌陷事件生成了 2018 年夏威夷基拉韦厄火山为期三个月的喷发期间发生的大量地球物理信号。这个独特的数据集非常适合测试深度学习预测周期性地球物理现象的潜力。

McBrearty和 Segall [2024] 使用基拉韦厄记录的地震活动、倾斜和 GPS 数据训练深度学习模型。他们表明，每个周期开始时仅半天产生的信号就足以将大多数火山口塌陷事件的失败时间预测在几个小时内。进一步的分析揭示了对模型从未接受过训练的长时间事件的准确预测。这些结果证明了机器学习方法在控制良好的条件下但学习数据有限的情况下预测周期性地球物理事件的潜力。

引文：McBrearty, I. W.,

摘要

编辑亮点是 AGU 期刊编辑最近发表的论文的摘要。资料来源：地球物理研究杂志：Solid Earth 2018 年夏威夷基拉韦厄火山为期三个月的喷发期间发生了数十起准周期性火山口崩塌事件，产生了大量地球物理信号。这些结果证明了机器学习方法的潜力用于在良好控制的条件下预测周期性地球物理事件，但学习数据有限。引用: McBrearty, I. W.,

使用深度学习预测火山口崩塌 - Eos

编辑亮点是 AGU 期刊编辑近期论文的摘要。

来源：地球物理研究杂志：固体地球

摘要

相关新闻

相关讨论

使用深度学习预测火山口崩塌 - Eos

编辑亮点是 AGU 期刊编辑近期论文的摘要。

来源：​​地球物理研究杂志：固体地球

摘要

相关新闻

相关讨论

来源：地球物理研究杂志：固体地球