論文の概要: Association rule mining with earthquake data collected from Turkiye
region
- arxiv url: http://arxiv.org/abs/2312.16158v1
- Date: Tue, 26 Dec 2023 18:36:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 14:34:40.472100
- Title: Association rule mining with earthquake data collected from Turkiye
region
- Title(参考訳): トゥルキエ地方から収集した地震データとルールマイニング
- Authors: Baha Alturan, Ilker Turker
- Abstract要約: この研究は、過去5年間にテュルクアイ地方で記録された地震に関する最も顕著な関連ルールを提示する。
その結果,様々な距離の地域から記録された事象に対する統計的推測が得られた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Earthquakes are evaluated among the most destructive disasters for human
beings, as also experienced for Turkiye region. Data science has the property
of discovering hidden patterns in case a sufficient volume of data is supplied.
Time dependency of events, specifically being defined by co-occurrence in a
specific time window, may be handled as an associate rule mining task such as a
market-basket analysis application. In this regard, we assumed each day's
seismic activity as a single basket of events, leading to discovering the
association patterns between these events. Consequently, this study presents
the most prominent association rules for the earthquakes recorded in Turkiye
region in the last 5 years, each year presented separately. Results indicate
statistical inference with events recorded from regions of various distances,
which could be further verified with geologic evidence from the field. As a
result, we believe that the current study may form a statistical basis for the
future works with the aid of machine learning algorithm performed for associate
rule mining.
- Abstract(参考訳): 地震は人間にとって最も破壊的な災害として評価され、トゥルキエ地方でも経験されている。
データサイエンスは、十分な量のデータが供給された場合に隠れたパターンを発見する特性を持っている。
特定の時間窓において共起によって定義されたイベントの時間依存性は、市場ベース分析アプリケーションのような関連するルールマイニングタスクとして扱われる。
この点において,毎日の地震活動は,イベントの単一のバスケットとして想定し,これらのイベントの関連パターンを見出した。
その結果,本研究は,過去5年間にテュルクアイ地方で記録された地震に関する最も顕著な関連ルールを,それぞれ別々に提示した。
結果は、様々な距離の領域から記録された事象に関する統計的推測を示し、フィールドからの地質学的証拠によってさらに検証することができる。
その結果,本研究は,関連ルールマイニングのための機械学習アルゴリズムを用いて,今後の研究の統計的基礎を形成する可能性が示唆された。
関連論文リスト
- At the junction between deep learning and statistics of extremes:
formalizing the landslide hazard definition [1.03590082373586]
本研究では,斜面単位レベルでの地すべり危険度を推定する統一モデルを構築した。
ネパールで30年間にわたり観測された降雨トリガーによる地すべりを解析し,複数回の帰還期間における地すべりの危険度を評価する。
提案手法は,地すべりのハザードを統一的にモデル化するのに有効であることを示す。
論文 参考訳(メタデータ) (2024-01-25T14:48:08Z) - Remote estimation of geologic composition using interferometric
synthetic-aperture radar in California's Central Valley [1.5677136474147644]
カリフォルニア州セントラルバレーの土地は地下水の汲み上げによって急速に沈んでいる。
本研究では,土地変位の時間的変動の異なる特定地域を特定することを目的とする。
そこで我々は,インターフェロメトリ合成開口レーダ(InSAR)を用いた土地変形データを用いて,地質組成をリモートで推定することを目的とする。
論文 参考訳(メタデータ) (2022-12-04T23:06:14Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - An Ordinal Latent Variable Model of Conflict Intensity [59.49424978353101]
ゴールドスタインスケール(Goldstein scale)は、紛争・協力的なスケールでイベントをスコアする、広く使われている専門家ベースの尺度である。
本稿では、競合強度を測定するために、潜伏変数に基づくアプローチをとる。
論文 参考訳(メタデータ) (2022-10-08T08:59:17Z) - Earthquake Phase Association with Graph Neural Networks [0.571097144710995]
フェーズアソシエイト問題を解決するために,グラフネットワーク・アソシエイト・アソシエイト・アソシエイトを開発する。
我々は合成データを訓練し、北カリフォルニア(NC)の地震ネットワークからの実データでその方法をテストする。
以上の結果から, 複雑な地震モニタリング条件下では, GENIEが相関を効果的に解決できることが示唆された。
論文 参考訳(メタデータ) (2022-09-15T06:53:17Z) - Animal inspired Application of a Variant of Mel Spectrogram for Seismic
Data Processing [0.0]
我々は,地震信号から災害を感知できる動物の聴力に,地震データの生周波数を拡大するMelスペクトログラムの変種を提案する。
我々はコンピュータビジョンアルゴリズムとクラスタリングを用いて,未ラベル地震データの分類を行っている。
論文 参考訳(メタデータ) (2021-09-22T13:41:57Z) - 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) - Domain Adaptative Causality Encoder [52.779274858332656]
我々は,適応因果同定と局所化の課題に対処するために,依存木の特徴と敵対学習を活用する。
我々は、テキストにあらゆる種類の因果関係を統合する新しい因果関係データセット、MedCausを提案する。
論文 参考訳(メタデータ) (2020-11-27T04:14:55Z) - Amortized Causal Discovery: Learning to Infer Causal Graphs from
Time-Series Data [63.15776078733762]
本稿では,時系列データから因果関係を推定する新しいフレームワークであるAmortized Causal Discoveryを提案する。
本研究では,本手法が変分モデルとして実装され,因果発見性能が大幅に向上することを示した。
論文 参考訳(メタデータ) (2020-06-18T19:59:12Z) - A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。
基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
論文 参考訳(メタデータ) (2020-02-21T23:10:50Z) - 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。