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
- 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) - Residual Diffusion Modeling for Km-scale Atmospheric Downscaling [51.061954281398116]
台湾上空2kmの高解像度気象モデルを用いて,コスト効率の低いダウンスケーリングモデルを訓練した。
textitCorrDiffは、RMSEとCRPSを巧みに表現し、極端な場合でもスペクトルと分布を忠実に回復する。
グローバルな予測のスケールダウンは、これらのメリットの多くを成功裏に維持し、マシンラーニングの天気予報のエンドツーエンドなグローバルなスケールの可能性を先導する。
論文 参考訳(メタデータ) (2023-09-24T19:57:22Z) - 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) - 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) - Autoregressive Uncertainty Modeling for 3D Bounding Box Prediction [63.3021778885906]
3Dバウンディングボックスは、多くのコンピュータビジョンアプリケーションで広く使われている中間表現である。
本稿では,自己回帰モデルを利用して高い信頼度予測と意味のある不確実性対策を行う手法を提案する。
我々はシミュレーションデータセットであるCOB-3Dをリリースし、現実世界のロボティクスアプリケーションで発生する新しいタイプのあいまいさを強調します。
論文 参考訳(メタデータ) (2022-10-13T23:57:40Z) - 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) - Investigating Pose Representations and Motion Contexts Modeling for 3D
Motion Prediction [63.62263239934777]
歴史的ポーズシーケンスから人間の動きを予測することは、機械が人間と知的な相互作用を成功させるために不可欠である。
本研究では,様々なポーズ表現に関する詳細な研究を行い,その動作予測課題に対する効果に着目した。
AHMR(Attentive Hierarchical Motion Recurrent Network)と呼ばれる新しいRNNアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-12-30T10:45:22Z) - Controlling earthquake-like instabilities using artificial intelligence [0.0]
本研究は, 強化学習を通じて得られた注入ポリシーの適用により, 破滅的な事態を避けることを目的とする。
最先端の深層補強学習手法を用いて地震様不安定性を制御する可能性を示した。
論文 参考訳(メタデータ) (2021-04-27T13:39:58Z) - Towards advancing the earthquake forecasting by machine learning of
satellite data [22.87513332935679]
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。
論文 参考訳(メタデータ) (2021-01-31T02:29:48Z) - 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)
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。