論文の概要: Towards advancing the earthquake forecasting by machine learning of
satellite data
- arxiv url: http://arxiv.org/abs/2102.04334v1
- Date: Sun, 31 Jan 2021 02:29:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:19:17.087431
- Title: Towards advancing the earthquake forecasting by machine learning of
satellite data
- Title（参考訳）: 衛星データの機械学習による地震予報の進展に向けて
- Authors: Pan Xiong, Lei Tong, Kun Zhang, Xuhui Shen, Roberto Battiston, Dimitar
Ouzounov, Roberto Iuppa, Danny Crookes, Cheng Long, Huiyu Zhou
- Abstract要約: 本研究では,6マグニチュード以上の1,371地震の衛星データに基づく短期予測を行うための新しい機械学習手法であるInverse Boosting Pruning Trees(IBPT)を開発した。
提案手法は,選択された6つのベースラインを上回り,異なる地震データベースの地震予測の可能性を向上する強力な能力を示す。
- 参考スコア（独自算出の注目度）: 22.87513332935679
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Amongst the available technologies for earthquake research, remote sensing
has been commonly used due to its unique features such as fast imaging and wide
image-acquisition range. Nevertheless, early studies on pre-earthquake and
remote-sensing anomalies are mostly oriented towards anomaly identification and
analysis of a single physical parameter. Many analyses are based on singular
events, which provide a lack of understanding of this complex natural
phenomenon because usually, the earthquake signals are hidden in the
environmental noise. The universality of such analysis still is not being
demonstrated on a worldwide scale. In this paper, we investigate physical and
dynamic changes of seismic data and thereby develop a novel machine learning
method, namely Inverse Boosting Pruning Trees (IBPT), to issue short-term
forecast based on the satellite data of 1,371 earthquakes of magnitude six or
above due to their impact on the environment. We have analyzed and compared our
proposed framework against several states of the art machine learning methods
using ten different infrared and hyperspectral measurements collected between
2006 and 2013. Our proposed method outperforms all the six selected baselines
and shows a strong capability in improving the likelihood of earthquake
forecasting across different earthquake databases.
- Abstract（参考訳）: 地震研究に利用可能な技術のうち、リモートセンシングは高速イメージングや広い画像取得範囲などの特徴から一般的に使用されている。
それにもかかわらず、地震前およびリモートセンシング異常に関する初期の研究は、主に1つの物理パラメータの異常同定と解析に向けられている。
多くの分析は特異事象に基づいており、これはこの複雑な自然現象の理解の欠如をもたらす。
このような分析の普遍性はまだ世界規模で実証されていない。
本稿では,地震動データの物理的・動的変化を調査し,その環境への影響から1,371マグニチュード6以上の地震の衛星データに基づく短期予測を行うための新しい機械学習手法,inverse boosting pruning trees (ibpt) を開発した。
提案手法を,2006年から2013年の間に収集した10種類の赤外・ハイパースペクトル測定値を用いて解析し,比較した。
提案手法は, 選択した6つのベースラインすべてより優れており, 異なる地震データベース間での地震予知の可能性が向上することを示す。
関連論文リスト
- Estimating Earthquake Magnitude in Sentinel-1 Imagery via Ranking [5.71478837100808]
本稿では,地震の規模を計量学習問題として推定する。
我々は、Sentinel-1衛星画像から地震の大きさを推定し、さらにペアのサンプルをランク付けするためにモデルを訓練する。
実験の結果,従来の回帰のみに基づく手法に比べて最大30%以上のMAEの改善が得られた。
論文 参考訳（メタデータ） (2024-07-25T15:35:44Z) - Learning Physics for Unveiling Hidden Earthquake Ground Motions via Conditional Generative Modeling [43.056135090637646]
地盤運動の条件生成モデル(CGM-GM)
本研究では, 高周波・空間連続地震動波形を合成する人工知能シミュレータを提案する。
CGM-GMは、最先端の非エルゴディックな地上運動モデルよりも優れた可能性を示す。
論文 参考訳（メタデータ） (2024-07-21T08:23:37Z) - Neural Plasticity-Inspired Multimodal Foundation Model for Earth Observation [48.66623377464203]
我々の新しいアプローチは、脳科学における神経可塑性の概念を活用する、ダイナミックワンフォーオール(DOFA)モデルを導入している。
このダイナミックなハイパーネットワークは、異なる波長に調整され、5つのセンサーのデータに基づいて1つの多目的トランスフォーマーを共同で訓練し、12の異なる地球観測タスクを遂行することを可能にする。
論文 参考訳（メタデータ） (2024-03-22T17:11:47Z) - Generalized Neural Networks for Real-Time Earthquake Early Warning [22.53592578343506]
我々は,任意の局分布を持つ任意の場所で発生した地震をニューラルネットワークトレーニングのために,データ組換え法を用いて生成する。
訓練されたモデルは、地震検出とパラメータ評価のための異なる監視装置を備えた様々な地域に適用することができる。
我々のモデルは、最初のトリガーステーションから4秒以内に地震の位置とマグニチュードを確実に報告し、平均誤差は2.6-6.3 kmと0.05-0.17である。
論文 参考訳（メタデータ） (2023-12-23T10:45:21Z) - Convolutional neural network for earthquake detection [0.0]
地震活動の増加は、地震データ記録の指数的な成長を生み出した。
現在の地震検出法では、地震騒音に隠れている低マグニチュードの地震の多くを見逃している。
著者らは、地震記録から地震を検知し、発見するための畳み込みニューラルネットワーク(ConvNetQuake)を提案した。
論文 参考訳（メタデータ） (2023-04-17T14:47:17Z) - A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction [0.0]
本稿では、注意機構(AM)、畳み込みニューラルネットワーク(CNN)、双方向長短期記憶(BiLSTM)モデルに基づく新しい予測手法を提案する。
中国本土の地震カタログに基づいて,各地域の地震の規模と規模を推定することができる。
論文 参考訳（メタデータ） (2021-12-26T20:16:20Z) - Assessing out-of-domain generalization for robust building damage
detection [78.6363825307044]
建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。
モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。
今後はOOD体制に重点を置くべきだと我々は主張する。
論文 参考訳（メタデータ） (2020-11-20T10:30:43Z) - Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。
地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文 参考訳（メタデータ） (2020-02-05T10:11:26Z) - Seismic horizon detection with neural networks [62.997667081978825]
本稿では,複数の実地震立方体上での地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
本研究の主な貢献は,複数実地震立方体における地平線検出にバイナリセグメンテーションを適用し,予測モデルのキューブ間一般化に着目したオープンソースの研究である。
論文 参考訳（メタデータ） (2020-01-10T11:30:50Z) - SeismiQB -- a novel framework for deep learning with seismic data [62.997667081978825]
ニューラルネットワークの開発に重点を置いた、オープンソースのPythonフレームワークを開発しました。
複数のデータフォーマットで地震波キューブを高速にロードする便利なツールを提供する。
また、望まれる形状の作物を生産し、様々な変換で増強する。
論文 参考訳（メタデータ） (2020-01-10T10:45:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。