JGR Solid Earth: 利用深度学习预测火山口崩塌

学术   2024-09-25 16:21   北京  

一个深度学习模型利用2018年夏威夷基拉韦厄火山爆发期间记录的地球物理数据进行训练,可以预测反复发生的火山口崩塌事件。


2018年,在夏威夷基拉韦厄火山喷发的三个月期间,发生了数十次准周期性火山口崩塌事件,产生了大量的地球物理信号。这个独特的数据集非常适合测试深度学习预测周期性地球物理现象的潜力。
McBrearty和Segall[2024]使用基拉韦厄记录火山的地震活动性、倾斜和GPS数据训练了一个深度学习模型。他们表明,在每个周期开始时,仅在半天内产生的信号就足以预测大多数火山口崩塌事件的时间,误差在几个小时内。进一步的分析表明,这些模型也能准确预测从未训练过的长时间事件。这些结果证明了机器学习方法在控制良好但学习数据有限的情况下,预测周期性地球物理事件的潜力。

2018 7 13 日基拉韦厄山顶峰的航拍照片。来源:美国地质调查局

以上评论英文原文发表于AGU Eos Editors' Highlights,中文翻译仅供参考。

点评编辑:

Olivier Roche, Associate Editor, JGR: Solid Earth

原文链接:

https://eos.org/editor-highlights/forecasting-caldera-collapse-using-deep-learning

Text © 2024. The Authors. CC BY-NC-ND 3.0

论文原文

扫码访问原文

https://doi.org/10.1029/2024JB029471

关于期刊

JGR Solid Earth 聚焦于对固体地球、地球液态核心的物理学和化学研究。此外,期刊内容还重点涉及地磁学、古地磁学、海洋地理学或海洋地球物理学、对矿物的物理学和化学研究、岩石、火山学、地震学、测地学、重力以及地壳构造物理学等。


2023年影响因子:3.9

5年影响因子:    4.4

从投稿到一审意见的中位数时间:


点击下方“阅读原文”访问JGR Solid Earth期刊网站,阅读更多精彩内容。

AGU美国地球物理学会
美国地球物理学会(American Geophysical Union, AGU)在中国的信息发布平台。AGU旨在激励地球和空间科学家团体共同推进和传播科学,确保可持续发展的未来。
 最新文章