摘要
地震是一种极具破坏力的自然灾害。大地震爆发过程通常会改变断层周围的应力分布。大量实验已证明余震的发生与主震爆发带来的应力变化息息相关。余震的发生通常会在主震的基础上带来二次破坏。因此，对余震的空间分布进行有效的预测是一件意义非凡的工作。近年来，随着深度学习的快速发展，将其应用到地震相关领域中逐渐成为一种发展趋势。在本文工作中，基于中国过去发生的175个独立地震，利用深度学习方法，学习主震爆发带来的应力变化与余震两者之间的深度映射关系，从而预测余震的空间分布。我们的发现对于理解余震的爆发模式以及余震与应力分布之间的关系具有重要意义。 本文设计了一个DMAP余震预测模型。其主要创新点包含如下三点: 1)引入了主震的震级信息以及空间距离信息，并利用Embedding进行表征，结合向量相加、点积操作以及“注意力”机制进行信息的融合; 2)引入有效的特征工程。基于震级的角度探索出了对应力分量取对数是一种有效的特征工程。相比对应力分量取绝对值，AUC提升0.76％; 3)引入余震的震级信息作为样本权重。在保证AUC的基础上，NDCG指标能够提升0.60％。 实验表明，DMAP模型能够获得目前最好的余震预测效果，在AUC指标上达到0.9530，相比DNN模型提升了3.9％。另外基于DMAP模型，分别探索了不同主震震级的余震预测效果，不同余震震级的预测效果，以及在不同时间跨度内的余震预测效果。实验结果表明: 1)模型在大型地震上的预测效果不如小型地震; 2)余震的震级越大，预测的准确率越高; 3)预测效果会随着余震发生时间与主震发生时间之间的间隔增大而降低。
NETL