机器学习扩展到帮助预测和描述地震

　　机器学习扩展到帮助预测和描述地震
　　随着越来越多的地震数据和计算能力可供使用，地震学家越来越多地求助于一门名为机器学习的学科，以更好地理解和预测地震活动中的复杂模式。
　　在《地震学研究快报》(Seismological Research Letters)上发表的一篇聚焦文章中，研究人员描述了他们如何使用机器学习方法来完善地震活动的预测，识别地震中心，描述不同类型的地震波，并将地震活动与其他类型的地面＂噪音＂区分开来。
　　机器学习是指一组算法和模型，这些算法和模型允许计算机识别并从大数据集中提取信息的模式。机器学习方法常常从数据本身发现这些模式，而不参考数据所表示的真实物理机制。该方法已成功应用于数字图像和语音识别等领域。越来越多的地震学家使用的方法,由＂地震数据集的规模,提高计算能力,新算法和体系结构和易于使用的开源机器学习框架的可用性,＂写重点部分编辑Karianne哈佛大学的卑尔根,Ting程洛斯阿拉莫斯国家实验室,和李Zefeng加州理工学院的。
　　一些研究人员正在使用一种叫做深度神经网络的机器学习方法，这种方法可以学习大量输入数据与其预测输出之间的复杂关系。例如，德克萨斯大学奥斯汀分校的Farid Khosravikia和他的同事展示了一种深层神经网络如何被用来为俄克拉荷马州、堪萨斯州和德克萨斯州的自然和诱发地震开发地面运动模型。由于该地区石油废水处理引起的地震越来越多，这一不寻常的性质使得预测未来地震的地面运动和可能减轻其影响变得至关重要。
　　机器学习技术在不久的将来将越来越多地用于保存过去地震的模拟记录。随着记录这些数据的介质逐渐退化，地震学家们正在与时间赛跑，以保护这些宝贵的记录。斯坦福大学的王凯文(音译)及其同事在美国地质调查局(U.S. Geological Survey)范围地震控制实验的模拟地震仪胶片上测试了这种可能性。他们表示，能够识别和分类图像的机器学习方法可以以一种成本效益高的方式获取这些数据。
　　加州大学伯克利分校(University of California, Berkeley)的孔庆凯(Qingkai Kong)及其同事表示，在MyShake等应用程序中，机器学习方法也已经到位，可以从众包的全球智能手机地震网络中获取和分析数据。其他研究人员正在使用机器学习算法筛选地震数据，以便更好地识别地震余震、火山地震活动，并监测标志着板块边界可能发生大推力地震的变形的构造震动。一些研究使用机器学习技术来定位地震的起源，并将小地震与环境中的其他地震＂噪声＂区分开来。