論文の概要: Using Seismic Statistical Features and VQ-VAE to Improve Spatiotemporal Seismicity Predictability

• arxiv url: http://arxiv.org/abs/2606.10069v2
• Date: Thu, 11 Jun 2026 16:31:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.321244
• Title: Using Seismic Statistical Features and VQ-VAE to Improve Spatiotemporal Seismicity Predictability
• Title（参考訳）: VQ-VAEによる時空間地震活動の予測性向上
• Authors: Wei Quan, Denise Gorse,
• Abstract要約: その結果,60の地震学的特徴(SSF)は,tsfreshパッケージの428の時系列特徴よりもはるかに高い予測値を示した。 VQ-VAEモデルのトレーニングにより得られた2次元地震図に基づく新しい特徴と,この実証されたSSFのセットを結合する。
• 参考スコア（独自算出の注目度）: 1.1750235832534919
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we build upon a previous study in which we demonstrated, using XGBoost and earthquake catalogue data from Japan and Chile, that a set of 60 seismic statistical features (SSFs) had much greater predictive value than a set of 428 generic time series features from the tsfresh package. We here extend this previous work in two key ways, focusing on data from Japan as a large dataset is necessary in order to allow for the training of a deep learning (autoencoder) model. First, we move from whole-region prediction (considering, for each candidate event, the likelihood of an event M $\geq$ 5.0 anywhere in the region in the next 15 days) to localised predictions in which both the region of feature computation and the region of prediction are restricted to a circle of radius 24 km around the candidate event, and we show that performance remains excellent, similar to our previous whole-region study for the same area. Second, we here couple this proven set of SSFs, based on one-dimensional (catalogue) data, with a novel feature based on two-dimensional seismic maps, obtained by training a VQ-VAE model to reproduce such maps as output and identifying a measure of its error in doing so with a localised build-up of crustal stress. We show that while localised prediction based on SSFs can be effective alone, with test AUC values as high as those obtained in the case of Japan in our previous whole-region study, the inclusion of the new natively-spatial VQ-VAE-derived feature, top-ranked by SHAP analysis, can enhance performance and additionally appears to near-wholly replace the traditionally-computed $b$-value in terms of feature usage.
• Abstract（参考訳）: 本稿では,日本とチリのXGBoostと地震カタログデータを用いて,60の地震統計学的特徴群(SSF)がtsfreshパッケージの428の時系列特徴群よりもはるかに高い予測値を示した。 本稿では,本研究を,ディープラーニング(オートエンコーダ)モデルのトレーニングを可能にするために,大規模なデータセットとして日本からのデータに焦点を当てた2つの重要な方法で拡張する。 まず、各候補イベントについて、イベントM$\geq$5.0の確率から、特徴計算の領域と予測の領域の両方が候補イベント周辺の半径24kmの円に制限されるような局所的予測へと移行し、同じ領域におけるこれまでの全領域調査と同様、パフォーマンスが優れたままであることを示す。 第2に,このSSFの1次元(カタログ)データと2次元地震波図に基づく新しい特徴を組み合わせ,VQ-VAEモデルをトレーニングして,その出力として再現し,地殻応力の局所的な蓄積による誤差の測定を行った。 SSFをベースとした局所的予測は,前回の地域調査で得られたAUC値よりも高い結果が得られるが,SHAP分析で上位にランクされた新たなVQ-VAE特徴を取り入れたことにより,性能が向上し,従来の$b$-valueをほぼ置き換える可能性が示唆された。

関連論文リスト

• Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting [48.263481135566316]
  我々は,効率的な確率的天気予報のための一段階条件付き流れモデルであるTycheを提案する。 ERA5の1.5ドル(約1万2000円)と6時間の解像度での実験では、たった1つのNFEを使って、最先端の多段階生成ベースラインの予測スキルとキャリブレーションを一致または超過していることが示されています。
  論文  参考訳（メタデータ） (2026-05-07T20:25:28Z)
• A General-Purpose Diversified 2D Seismic Image Dataset from NAMSS [1.9685228653779]
  Unicamp-NAMSSデータセットは、大きく、多様性があり、地理的に分散した2D地震の集合体である。 我々は,国立海洋地震調査資料館 (NAMSS) から, 数十年にわたって公開されている海洋地震データを含むデータセットを構築した。
  論文  参考訳（メタデータ） (2026-01-27T14:01:29Z)
• Long-Term Probabilistic Forecast of Vegetation Conditions Using Climate Attributes in the Four Corners Region [0.40022988333495174]
  我々は,高解像度グリッド上での1年間のピークNDVIを予測するための2段階機械学習モデルを開発した。 我々は,NDVIとグリッドベースのNDVIの1年間の予測において,代替手法より優れているオープンソースツールを開発した。
  論文  参考訳（メタデータ） (2026-01-22T22:10:29Z)
• EarthquakeNPP: A Benchmark for Earthquake Forecasting with Neural Point Processes [2.4087148947930634]
  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。 地震学において広く認識されているログ類似度と生成評価値の両方を用いてベンチマーク実験を行った結果,5つのNPPのいずれもETASよりも優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-09-27T16:06:17Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• Semantic Segmentation by Early Region Proxy [53.594035639400616]
  本稿では,学習可能な領域のテッセルレーションとしてイメージを解釈することから始まる,新規で効率的なモデリングについて述べる。 領域のコンテキストをモデル化するために,Transformerを用いてシーケンス・ツー・シーケンス方式で領域を符号化する。 現在、符号化された領域埋め込みの上に、領域ごとのセマンティックセグメンテーションを行う。
  論文  参考訳（メタデータ） (2022-03-26T10:48:32Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• Earthquake Nowcasting with Deep Learning [4.272601420525791]
  1950年から2020年までの南カリフォルニアの地域での有望な初期成績を示す。 地震活動は2週間から4年間の期間で0.1度空間ビンの機能として予測される。
  論文  参考訳（メタデータ） (2021-12-18T16:55:59Z)

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。