論文の概要: A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction
- arxiv url: http://arxiv.org/abs/2112.13444v1
- Date: Sun, 26 Dec 2021 20:16:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-28 17:53:26.368841
- Title: A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction
- Title（参考訳）: 地震予知のための注意機構を有するCNN-BiLSTMモデル
- Authors: Parisa Kavianpour, Mohammadreza Kavianpour, Ehsan Jahani, Amin
Ramezani
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Earthquakes, as natural phenomena, have continuously caused damage and loss
of human life historically. Earthquake prediction is an essential aspect of any
society's plans and can increase public preparedness and reduce damage to a
great extent. Nevertheless, due to the stochastic character of earthquakes and
the challenge of achieving an efficient and dependable model for earthquake
prediction, efforts have been insufficient thus far, and new methods are
required to solve this problem. Aware of these issues, this paper proposes a
novel prediction method based on attention mechanism (AM), convolution neural
network (CNN), and bi-directional long short-term memory (BiLSTM) models, which
can predict the number and maximum magnitude of earthquakes in each area of
mainland China-based on the earthquake catalog of the region. This model takes
advantage of LSTM and CNN with an attention mechanism to better focus on
effective earthquake characteristics and produce more accurate predictions.
Firstly, the zero-order hold technique is applied as pre-processing on
earthquake data, making the model's input data more proper. Secondly, to
effectively use spatial information and reduce dimensions of input data, the
CNN is used to capture the spatial dependencies between earthquake data.
Thirdly, the Bi-LSTM layer is employed to capture the temporal dependencies.
Fourthly, the AM layer is introduced to highlight its important features to
achieve better prediction performance. The results show that the proposed
method has better performance and generalize ability than other prediction
methods.
- Abstract（参考訳）: 自然現象としての地震は、歴史的に人命の被害と損失を継続的に引き起こしている。
地震予知はあらゆる社会の計画に欠かせない側面であり、公共の備えを増し、被害を大幅に減らすことができる。
しかし, 地震の確率的特性と, 地震予測の効率的かつ信頼性の高いモデルの実現の難しさから, これまでの努力は不十分であり, 新たな解決法が求められている。
そこで本研究では,中国本土の地震カタログに基づく地震の規模と規模を推定できる,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。
このモデルでは、LSTMとCNNを利用して、効果的な地震特性により集中し、より正確な予測を行う。
まず、ゼロオーダーホールド法を地震データの前処理として適用し、モデルの入力データをより適切にする。
第2に,入力データの空間情報を有効に利用し,次元を小さくするために,CNNを用いて地震データ間の空間的依存関係をキャプチャする。
第3に、Bi-LSTM層は時間的依存関係をキャプチャするために使用される。
第4に、AMレイヤが導入され、予測性能を向上させるために重要な機能を強調している。
その結果,提案手法は他の予測手法よりも優れた性能と汎用性が得られた。
関連論文リスト
- EarthquakeNPP: Benchmark Datasets for Earthquake Forecasting with Neural Point Processes [0.0]
我々は,NPPの地震データに対するテストを容易にするベンチマークデータセットの集合であるSmassNPPを紹介する。
データセットは1971年から2021年までのカリフォルニアの小さな、あるいは大きなターゲット領域をカバーする。
ベンチマーク実験では,3つの分割時間NPPをETASと比較し,空間的,時間的ログ的いずれにおいてもETASよりも優れていないことを確認した。
論文 参考訳（メタデータ） (2024-09-27T16:06:17Z) - 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) - WaveCastNet: An AI-enabled Wavefield Forecasting Framework for Earthquake Early Warning [39.353484781486245]
本稿では,大地震の震動を予測するための新しいAI対応フレームワークWaveCastNetを提案する。
WaveCastNetは、新しい畳み込み長表現型メモリ(ConvLEM)モデルをシーケンスからシーケンスへの予測フレームワーク(seq2seq)に統合する。
サンフランシスコ・ベイエリアのシミュレーションデータを用いて, 地震動の強度とタイミングを迅速に予測できることを示す。
論文 参考訳（メタデータ） (2024-05-30T22:18:16Z) - Data-Driven Prediction of Seismic Intensity Distributions Featuring
Hybrid Classification-Regression Models [21.327960186900885]
本研究では, 地震パラメータに基づいて地震強度分布を予測できる線形回帰モデルを開発した。
このデータセットは、1997年から2020年にかけて日本近海で発生した地震の震度データからなる。
提案モデルでは, 従来のGMPEにおける課題として, 異常な震度分布を予測できる。
論文 参考訳（メタデータ） (2024-02-03T13:39:22Z) - FLOGA: A machine learning ready dataset, a benchmark and a novel deep
learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。
本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。
このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。
我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
論文 参考訳（メタデータ） (2023-11-06T18:42:05Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Classification of structural building damage grades from multi-temporal
photogrammetric point clouds using a machine learning model trained on
virtual laser scanning data [58.720142291102135]
実世界の点雲からの多層建築物の損傷を自動的に評価する新しい手法を提案する。
我々は、仮想レーザースキャン(VLS)データに基づいて訓練された機械学習モデルを使用する。
このモデルでは、高いマルチターゲット分類精度(全精度:92.0% - 95.1%)が得られる。
論文 参考訳（メタデータ） (2023-02-24T12:04:46Z) - Deep learning for laboratory earthquake prediction and autoregressive
forecasting of fault zone stress [3.6894467064214456]
実験室では、摩擦性スティックスリップ現象が地震と地震のサイクルに類似している。
近年の研究では, 断層帯の音響放射を用いて, 機械学習が地震のいくつかの側面を予測できることが示されている。
本研究では,室内地震予測と自己回帰予測のための深層学習(DL)手法を実証する。
論文 参考訳（メタデータ） (2022-03-24T19:38:32Z) - 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)
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。