地震网络，复杂
Earthquake Networks, Complex
摘要：
《复杂性与系统科学》（Springer Encyclopedia of Complexity and System Science）
英文摘要：
An article for the Springer Encyclopedia of Complexity and System Science
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
相关论文
地震网络：网络构建的最佳时间尺度
The earthquake network: the best time scale for network construction
本研究针对地震网络构建中依赖多年大数据集的问题，提出时序网络构建方法，结合小世界特性，基于伊朗和加州数据得出最佳构建结果的最小时间尺度，并通过度中心性、PageRank验证其重要性。
physics.geo-phphysics.soc-ph
全球深源地震序列的长程相关研究
Long-range correlation studies in deep earthquakes global series
本文利用世界范围内的深源地震（深度大于70 km）资料，考虑到震级为$m \geq 4.5$的地震，对地震学性质进行了研究。本文从复杂网络的角度出发，利用时间窗模型建立了具有无标度和小世界特征的深源地震网络。这项工作是以前的研究使用类似的方法，浅事件的延伸。我们的研究结果证实了深源地震与浅源地震，因为深源地震的连通性分布也遵循q指数分布和标度行为。我们的结果进行了分析，使用复杂网络和非广延统计力学，有助于加强使用时间窗模型来构建震中网络。它们强化了地震之间的长期相关性和地震学系统的临界性的想法。
physics.geo-phphysics.soc-ph
地震地震资料的网络相似性与统计分析
Network similarity and statistical analysis of earthquake seismic data
研究了由不同地理区域地震目录建立的地震台网的结构相似性。一个层次聚类的基础无向地震台网示出使用詹森-香农散度图谱。链接的有向性表明每个地震台网都是强连接的，这促使我们对有向版本进行统计研究。我们对每个地震区的统计分析确定了中心区域。我们计算了每个地区即将发生地震的条件概率。每个事件的条件概率与它们的平稳分布进行了比较。
cond-mat.dis-nnphysics.data-anphysics.geo-ph
利用可见图分析提取地震时间序列的相关性
Extracting correlations in earthquake time series using visibility graph analysis
最近的观测研究表明，地震分为几个不同的类别。每一类都可能具有时间序列中独特的统计特征，但由于其非线性和非平稳的性质，目前的理解仍然是有限的。本文利用复杂网络理论对地震时间序列的统计特性进行了新的研究。我们研究了两种类型的时间序列，这是震级和事件间时间（IET），三种不同类型的地震：规则地震，地震群，和构造地震。根据可视图准则，将每个震波迹象看作一个节点，确定其连接，将地震时间序列映射成一个复杂的网络。与目前的普遍看法相反，发现震级时间序列在统计上不等同于随机时间序列。对于所有类型的地震，IET序列都表现出类似于分数布朗运动的相关性。此外，我们表明，时间序列的三个不同类别的地震可以区分的拓扑结构的相关的可见性图。对震群的复动系数的分析也表明震群比地震更具有间歇性。
physics.geo-phphysics.soc-ph
地震及其复发网络
Network of Earthquakes and Recurrences Therein
我们量化地震之间的相关性，并使用相同的来区分相关的因果联系的地震。我们的相关性度量是Baiesi和Paczuski（2004）引入的相关性度量的一个变体。一个地震网络被构建，它是按时间顺序排列的，并且在更相关的地震之间有联系。研究中使用了与加利福尼亚州有关的数据。地震复发的识别采用相关阈值来划分每个集群中最有意义的。随后分析递归长度和递归时间的分布，以提取关于复杂动力学的信息。我们发现，复发长度的单峰特征有助于将典型的破裂长度与不同震级的地震联系起来。网络的出度表现为以大震为基础的枢纽结构。在度分布被认为是依赖于在附近的事件的密度。幂律也得到了符合大森定律的递归时间分布。
physics.geo-ph
基于智能手机的地震预警系统报警能力的统计推断模拟框架。以海地地震台网系统为例
A simulation framework for statistical inference on the alerting capabilities of smartphone-based earthquake early warning systems. With a case study on the Earthquake Network system in Haiti
由公民科学倡议实施的基于智能手机的地震预警系统的特点是其智能手机网络几何形状的显着变化。这直接影响到系统的地震探测能力和性能。在这里，一个基于蒙特卡罗方法的仿真框架实现了对地震检测的相关量，如从震中的检测距离，检测延迟和报警时间的人暴露在高地面震动水平的推断。该框架适用于海地，在过去几十年中经历了致命的地震，并适用于地震网络公民科学倡议的网络，该倡议在该国很受欢迎。据发现，相对较低的渗透率的人口之间的倡议允许提供一个强大的预警服务，与警告时间长达12秒的人暴露于强度之间的7.5和8.5的修改后的麦加利规模。
physics.geo-phstat.AP
更多相关论文收起更多论文
由于断层几何形状的复杂性，
Fast and slow earthquakes emerge due to fault geometrical complexity
活动断层通过一系列滑动模式释放弹性应变能，包括破坏性地震、慢滑事件和持续蠕变。了解控制快速、动态滑动辐射地震波（即地震）或缓慢、无声滑动（即SSE）发生的机制是估计沿俯冲带地震危险性的基本点。除了表现出比地震更慢的破裂传播速度之外，SSE还表现出不同的标度关系，这可能反映了不同的物理机制或有趣的观测缺乏。与地震一样，SSE必然会沿着活动断层的不稳定部分发生，从而引发了沿着这些部分的滑动模式（地震或非地震）的物理控制问题。在这里，我们使用一个简单的速率弱化断层模型的数值实现来解释自发发生，特征和标度关系的SSE和地震。我们发现，最简单的断层几何复杂性与均匀摩擦性能可以重现慢和快地震，而不需要复杂的流变学或机制。我们的模型有助于解决许多现有的观测和物理模型的地震和SSE之间的矛盾。
physics.geo-ph
地震震源带和断裂系统几何复杂性的统计研究
On geometric complexity of earthquake focal zone and fault system: A statistical study
我们讨论了用于调查地震和地震断层的几何复杂性的各种方法，基于点源表示和地震震源机制之间的相互关系的研究。我们简要回顾了地震矩张量形式主义，并详细讨论了双力偶（DC）震源的归一化四元数表示。也考虑了CLVD震源机制等非DC震源。得到了由无向直流源叠加引起的地震复源的特征。我们发现，通常定义的几何故障障碍对应的源没有任何CLVD组件。我们分析CMT全球地震目录，以检查震源机制分布是否表明CLVD分量可能为零的构造地震。虽然一些迹象支持这一猜想，但我们需要更广泛和更准确的数据来充分回答这个问题。
physics.data-anphysics.geo-ph
卷积神经网络用于地震检测与定位
Convolutional Neural Network for Earthquake Detection and Location
最近在美国中部诱发地震活动的演变要求详尽的目录，以改善地震危险性评估。在过去的几十年里，地震资料的数量呈指数级增长，这就需要有效的算法来可靠地检测和定位地震。今天最复杂的方法是扫描过多的连续地震记录，寻找重复的地震信号。在这项工作中，我们利用人工智能的最新进展，提出了ConvNetQuake，这是一种高度可扩展的卷积神经网络，用于从单个波形中进行地震检测和定位。我们应用我们的技术来研究诱发地震在俄克拉荷马州（美国）。我们探测到的地震比俄克拉荷马地质调查局以前记录的多20倍。我们的算法是数量级的速度比既定的方法。
physics.geo-ph
利用MyShake智能手机地震台网实现全球地震预警第一部分--检测算法与仿真平台
Towards Global Earthquake Early Warning with the MyShake Smartphone Seismic Network Part 1 -- Detection algorithm and simulation platform
MyShake项目旨在建立一个全球智能手机地震网络，通过利用众包的力量促进大规模地震预警和其他应用。MyShake移动应用程序首先在单个手机上检测地震震动。然后在MyShake服务器上使用“网络检测”算法确认地震，该算法由多个单一电话检测激活。在本部分中，我们提出了一种网络检测算法和一个模拟平台，用于测试世界各地的地震场景。提出的网络检测算法是建立在DBSCAN经典的空间聚类算法，修改，考虑到时间特性和新的触发器的关联。我们使用MyShake用户在2018年1月4日伯克利M4.4和2016年6月10日Borrego Springs地震期间记录的真实数据来测试我们的网络检测算法，以证明该系统的实用性。为了测试整个检测过程，并了解MyShake在世界各地代表不同人口和构造特征的各个地点的一阶性能，我们提出了一个软件平台，可以模拟地震触发器在假设的MyShake网络。本论文系列的第二部分探讨了我们的MyShake预警模拟在全球选定地区的性能。
physics.geo-ph
MyShake：通过全球智能手机地震网络检测和表征地震
MyShake: Detecting and characterizing earthquakes with a global smartphone seismic network
MyShake利用私人/个人智能手机建立全球地震网络。它使用所有智能手机中嵌入的加速度计来记录地震引起的地面运动，将记录的波形返回到中央存储库进行分析和研究。作为公民科学力量的一个展示，MyShake在推出后的几天内扩展到了6大洲，并在运行的前两年记录了757次地震。MyShake手机记录的数据有可能用于科学应用，从而补充目前的地震网络。在本文中：（1）我们通过分析MyShake收集的地震波形报告了智能手机传感器检测地震的能力。(2)我们确定了MyShake手机可以检测到地震的最大震中距，作为震级的函数。(3)然后，我们确定MyShake网络估计地震位置、起源时间、深度和震级的能力。对于MyShake提供了4个或更多相位（21个事件）的地震，无论是P波还是S波信号，并且方位角间隙小于180度，相对于USGS全球目录位置，中值位置，起源时间和深度误差分别为2.7 km，0.2 s和0.1 km。还估计了震级，其平均误差为0.0，标准差为0.2。这些初步结果表明，MyShake可以在目前没有传统网络的地区提供基本的地震目录信息。随着MyShake网络的不断扩展，我们希望事件检测能力能够得到改善，并提供有关地震活动和灾害的有用数据。
physics.geo-ph
一种基于深度学习的端到端联合相位拾取和关联地震检测方法
An End-to-End Earthquake Detection Method for Joint Phase Picking and Association using Deep Learning
地震台网的地震监测通常涉及由相位检测/拾取、关联和定位任务组成的工作流。近年来，通过使用机器学习技术，这些单个阶段的准确性得到了提高。在这项研究中，我们引入了一种新的端到端方法，通过联合优化检测管道的每个阶段来提高整体地震检测精度。我们提出了一个神经网络架构的任务，多站处理记录在一个地震网络的地震波形。这种端到端架构由三个子网络组成：从原始波形中提取特征的骨干网络，基于这些特征挑选P波和S波到达的相位拾取子网络，以及聚合来自多个台站的特征并检测地震的事件检测子网络。我们使用这些子网络与基于反投影的移位和叠加模块结合，该模块引入了对到达时间的运动学约束，使模型能够推广到不同的速度模型和地震台网中的可变台站几何结构。我们在STanford EArthquake数据集（STEAD）和2019年Ridgecrest，CA地震序列上评估了我们提出的方法。结果表明，我们的端到端的方法可以有效地挑选P波和S波的到来，并实现地震检测精度媲美其他国家的最先进的方法。
physics.geo-ph
利用复特征向量预测大地震事件的模式信息学方法的改进
Modification of the pattern informatics method for forecasting large earthquake events using complex eigenvectors
近年来的研究表明，实值主成分分析可用于地震断层系统的预测预报。此外，理论分析表明，地震应力可能服从波动方程，具有与给定断层的频率相反的解，类似于表征断层上最大事件之间的时间间隔的解。因此，希望应用复杂的主成分分析来开发地震预报算法。本文对地震预报的模式信息学方法进行了改进，利用地震应力的波动特性，利用希尔伯特变换从实测时间序列中产生复特征向量。我们表明，模式信息学分析使用复杂的特征向量创建短期预测热点地图，从热点地图创建仅使用实值数据不同，并建议分析差异和计算信息增益的方法。
physics.geo-ph
用LSTM神经网络预测早期Earthquake Magnitude估计的精度：初步分析
Predicting the Accuracy of Early-est Earthquake Magnitude Estimates with an LSTM Neural Network: A Preliminary Analysis
Istituto Nazionale di Geofisica e Vulcanologia（意大利国家地球物理与火山学研究所）
本报告对LSTM神经网络进行了初步分析，该网络旨在预测Early-est在地震发生后的第一分钟内计算的震级估计的准确性。
cs.LGphysics.geo-ph
利用光学链路的地震学：建立全球海底地震监测网络
Seismology with optical links: enabling a global network for submarine earthquake monitoring
全球地震监测目前是通过地震台网络实现的。来自这些网络的数据有助于增进我们对地球内部结构和动态行为的了解。然而，几乎所有的地震台都位于陆地上，海底4级以下的地震基本上没有被发现。在这里，我们表明，普通的电信光纤链路可以检测到震波迹象时，结合国家的最先进的频率计量技术。我们通过陆地和海底光纤链路探测到地震，光纤链路长度从75公里到535公里不等，距离地震震中的地理距离从25公里到18 500公里不等。与石油和天然气行业广泛使用的现有商业反射计声学传感方法相比，这些方法仅限于几十公里，这里介绍的技术可以延伸数千公里，为远程水下地震的检测铺平了道路。通过在现有广泛的海底光纤基础设施上使用拟议的技术，可以建立一个全球地震网络，实时探测水下地震。探测离震源更近的近海地震的能力也可以为早期探测海啸提供一种具有成本效益的解决方案。
physics.geo-ph
用于地震检测的卷积神经网络
Convolutional neural network for earthquake detection
本文复现Perol等人提出的ConvNetQuake卷积神经网络方法，用于从含噪地震记录中分类地震事件与噪声，以解决低震级地震易被漏检的问题。
cs.LGphysics.geo-ph
地震台网中的标度和前兆模体
Scaling and precursor motifs in earthquake networks
两次地震之间的相关性被用来将事件与余震联系起来，从而产生一个不断增长的网络结构。在这个框架中，人们可以量化余震是离所有震级的主震近还是远。我们发现，简单的网络图案，涉及到远余震的链接经常出现在过去16年在南加州的三个最大的地震。因此，网络可能有助于发现通常在重大事件之前出现的症状。
cond-mat.stat-mechphysics.geo-ph
动态再强化与断层异质性解释巨型断层地震的复杂性
Dynamic restrengthening and fault heterogeneity explain megathrust earthquake complexity
Institute of Geophysics and Planetary Physics, Scripps Institution of Oceanography University of California, San Diego（加州大学圣地亚哥分校斯克里普斯海洋研究所地球物理与行星物理中心）
本研究通过动态摩擦再强化和断层异质性解释了巨型断层地震的复杂破裂动力学，展示了其对地震和海啸危害评估的重要性。
physics.geo-ph
几何复杂断层上的运动学地震序列
Kinematic Earthquake Sequences on Geometrically Complex Faults
本文提出一个三维运动学概率地震序列模型，结合几何矩积累释放与经验标度律，并在南海俯冲带生成1250年含700余次MW5.5–8.5事件的合成序列，用于破裂预测评估。
physics.geo-ph
通过深度学习方法利用地震台网络定位地震
Locating earthquakes with a network of seismic stations via a deep learning method
准确和自动确定地震位置仍然是一项具有挑战性的工作。然而，这种信息对于实时监测地震活动性和评估潜在危害至关重要。最近，卷积神经网络被应用于从单站波形中检测地震，并大致映射几个大面积的事件。在这项研究中，我们在美国俄克拉荷马州的石油和天然气作业中诱发的194次地震，在平均约4.9 km的误差范围内，震中和1.0 km的深度在目录中，数据来自30个网络站，通过应用全卷积网络。该网络由1，013个历史事件训练，输出是地球上事件位置概率的3D体积。经过训练的系统需要大约百分之一秒的时间来定位一个事件，而不需要任何速度模型或人为干扰。
physics.geo-ph
量化三维断层几何复杂性对慢地震和快地震的作用
Quantifying the Role of 3D Fault Geometry Complexities on Slow and Fast Earthquakes
Laboratoire de Géologie, Ecole Normale Superieure, CNRS-UMR 8538, PSL Research University（巴黎高等师范学院地质实验室）；Geo-Energy Lab - Gaznat Chair on Geo-Energy, Swiss Federal Institute of Technology in Lausanne, EPFL-ENAC-IIC-GEL（洛桑联邦理工学院能源地质实验室）；Division of Geological and Planetary Sciences, California Institute of Technology（加州理工学院地质与行星科学系）
通过三维准动态地震序列模拟，研究平行断层相互作用如何产生慢滑移事件和地震，发现仅几何复杂性就能通过牵引力异质性生成慢地震和快地震。
physics.geo-ph
面向实时地震预警的广义神经网络
Generalized Neural Networks for Real-Time Earthquake Early Warning
East China University of Technology（东华理工大学）
本文提出一种数据重组方法训练广义神经网络，可在任意台站分布下于地震发生后4秒内完成定位和震级估计，并在日本和加州验证了实时地震预警的全球适用性。
cs.AIphysics.geo-ph
里加地震复杂台网上的雪崩、虚拟地震仪技术、临界性和地震周期
Avalanches on the Complex Network of Rigan Earthquake, Virtual Seismometer Technique, Criticality and Seismic Cycle
我们的研究基于2010年12月20日的里加地震的统计分析，其中包括通过虚拟地震仪技术估计地震网络，并考虑在这个复杂的网络上的雪崩型动力学。虚拟地震仪复杂网络显示幂律度分布的指数$γ=2.3\pm 0.2$。我们的研究结果表明，地震活动性是强烈的间歇性，并有一个\textit{cyclic shape}是在自然情况下看到的，这是本研究的主要发现。雪崩内部和雪崩之间的分支比表明，系统处于（或更精确地接近）临界点，其大小、质量和雪崩持续时间的分布函数具有幂律行为，并且这些量之间具有某些标度关系。雪崩大小的临界指数为$τ_S=1.45\pm 0.02$。我们发现动态格林函数和节点的中心性之间有相当大的相关性。
cond-mat.stat-mechphysics.geo-phphysics.soc-ph
基于相似活动模式的地震台网
Earthquake networks based on similar activity patterns
地震是一种复杂的时空现象，尽管进行了数十年的研究和分析，但其潜在机制仍未完全了解。我们提出并发展了一个地震事件的网络方法。在这个网络中，一个节点代表一个空间位置，而两个节点之间的链接代表两个不同位置的相似活动模式。链接的强度与由链接连接的两个节点的活动中的互相关强度成比例。我们将网络方法应用于1985-1998年14年期间的日本地震目录。我们发现，强有力的联系，代表大的相关性的模式之间的位置分开超过1000公里，证实了以前的观察，地震相互作用没有特征的长度尺度。我们发现网络的特点，而不是归因于机会，包括大量的网络链接，高节点的不稳定性，随着时间的推移，强稳定性。
physics.geo-phphysics.pop-ph
地震台网的标度关系
Scaling relation for earthquake networks
Dorogovtsev、Goltsev、Mendes和Samukhin [Phys. Rev. E，68（2003）046109]导出的标度关系表明，局部树状无标度网络的幂律连通性分布的指数gamma和邻接矩阵的幂律特征值分布delta在平均场近似下满足2* gamma-delta = 1。本文表明，这种关系对于由美国加利福尼亚和日本的地震资料构造的简化简单地震台网（不含蝌蚪圈和多重边）是成立的。从地震台网的层次结构的观点解释了这一结果。
cond-mat.otherphysics.geo-ph
智利地震台网的无标度和小世界特性
Scale-free and small-world properties of earthquake network in Chile
迄今为止，地震台网的特性主要是针对来自加利福尼亚、日本和伊朗的地震资料集进行研究的，文献中也报道了这些地区的共同特征。在这里，一个地震网络的构造和分析智利的数据，以检查是否在其他地理区域的地震网络的无标度和小世界属性也可以在智利的地震活动。结果表明：当单元尺寸大于一定值（即台网粗粒化所需的尺度）时，在所有区域内，幂律连通性分布指数γ和聚类系数C分别取“γ ~1”和“C~0.85”的普适不变值。这一显着的结果的解释是基于物理的考虑。
cond-mat.dis-nnphysics.geo-ph
利用MyShake智能手机地震台网实现全球地震预警第2部分--了解MyShake在世界各地的性能
Towards Global Earthquake Early Warning with the MyShake Smartphone Seismic Network Part 2 -- Understanding MyShake performance around the world
MyShake项目旨在建立一个全球智能手机地震网络，通过利用众包的力量促进大规模地震预警和其他应用。MyShake移动应用程序首先在单个手机上检测地震震动。然后在MyShake服务器上使用“网络检测”算法确认地震，该算法由多个单一电话检测激活。在这两篇论文系列的第二部分中，我们报告了MyShake的地震预警（EEW）功能在世界各地不同地点的一阶性能。由于MyShake网络目前在世界大部分地区都很稀疏，我们使用我们的模拟平台来了解和评估系统在各种构造环境中的性能。我们假设0.1%的人口在智能手机上安装了MyShake移动应用程序，并使用过去20年的历史地震来模拟不同地区不同网络配置的触发场景。然后，我们使用这些模拟触发器运行检测算法，以了解系统的性能。该系统在具有高人口密度和陆上上地壳地震M<7.0的地区表现最好。在这些情况下，警报可以在起源时间后约4-6秒生成，震级误差在约0.5个震级单位内，震中通常在真实位置的10公里内。当地震发生在近海或人口稀少的地区时，警报速度较慢，震级和位置的不确定性增加。此外，即使有0.01%的人口作为MyShake用户，在人口密度高的地区，该系统仍然对大于M5.5的地震表现良好。有关仿真平台和网络检测算法的详细信息，请参阅本系列论文的第一部分。
physics.geo-ph
复杂地震台网的泛聚结构与C~0.85标度
Universal clustering structure and C~0.85 scaling in complex earthquake networks
地震台网以一种特殊的方式捕捉到了地震活动的复杂性。给出了一个地震资料，并讨论了[S. Abe，N，Suzuki，Europhys. Lett. 65（2004）581]包含小区的大小作为单个参数，所考虑的地理区域被划分成小区。然后，网络的特性通常取决于小区的大小。在这里，网络的聚类系数，C，对细胞大小的依赖关系进行了研究。值得注意的是，由取自加利福尼亚、日本和伊朗的地震资料构建的地震台网的C对于重新标度的无量纲单元尺寸的每个值都很好地吻合。结果发现，在加利福尼亚州和日本的网络是三维的，而在伊朗的一个是二维的。此外，当无量纲单元尺寸大于某一共同值时，这三种网络的C值单调收敛到C~0.85，突出了地震网络概念的普遍性。的结果，以了解地震活动的物理意义进行了讨论。
cond-mat.stat-mechphysics.geo-ph
地震相关性和地震网络的比较研究
Earthquake Correlations and Networks- A Comparative Study
我们量化地震之间的相关性，并使用相同的来区分相关的因果联系的地震。我们的相关性度量是Baiesi和Paczuski（2004）引入的相关性度量的一个变体。一个地震网络被构建，它是按时间顺序排列的，并且在更相关的地震之间有联系。地震复发的识别采用相关阈值来划分每个集群中最有意义的。用这种网络模型对美国加利福尼亚、日本和喜马拉雅三个不同地震区的地震资料进行了比较分析。递归长度和递归时间的分布是分析得出关于这种网络模型的普遍方面的结论的两个关键特征。我们发现，复发长度分布的单峰特征，这有助于将典型的破裂长度与不同震级的地震，是强大的在不同的地震区。网络的出度表现为以大震为基础的枢纽结构。在度分布被认为是依赖于在附近的事件的密度。利用递推时间分布，得到了两个不同指数区域的幂律。这与余震的大森定律一致，并将其扩展到空间递归。向第二次幂律区域的过渡可以被认为是余震区域结束的客观信号。
cond-mat.otherphysics.geo-ph
地震网络中的模体：罗马尼亚、意大利、美利坚合众国和日本
Motifs in earthquake networks: Romania, Italy, United States of America, and Japan
本文通过统计分析罗马尼亚、意大利、日本及美国加州的地震网络，利用连通性和三、四事件模体揭示其跨离散化稳健的大尺度幂律特征。
physics.comp-phphysics.geo-phphysics.soc-ph
海底地震海啸密集观测网系统（DONET）的地震检测能力
Earthquake detection capacity of the Dense Oceanfloor Network system for Earthquakes and Tsunamis (DONET)
本文利用完整性震级评估DONET在南海海槽的地震检测能力，发现站点故障会使附近完整性震级增大约1级，并展示了利用完整性震级先验计算b值以刻画慢滑移事件期间应力非均匀性的方法。
physics.data-anphysics.geo-ph
利用原始波形数据和卷积神经网络快速预测地震地面震动强度
Rapid Prediction of Earthquake Ground Shaking Intensity Using Raw Waveform Data and a Convolutional Neural Network
这项研究描述了一种基于深度卷积神经网络（CNN）的技术，用于预测地面震动的强度测量（IM）。CNN模型的输入数据包括2016年意大利中部地震序列期间为M $\ge$ 3.0记录的多站3C宽带和加速度波形。我们发现，CNN是能够准确地预测的IM在远离震中的站，尚未记录到的最大地面震动时，使用10秒的窗口开始在地震发生的时间。CNN IM预测不需要预先知道震源（位置和震级）。CNN模型预测与Bindi等人（2011）GMPE（需要位置和幅度）获得的预测之间的比较表明，CNN模型具有相似的误差方差，但偏差较小。虽然该技术并不是严格为地震预警而设计的，但我们发现，它可以根据各种设置元素（例如，用于数据传输、计算、延迟的时间）。该技术已在原始数据上进行了测试，没有任何初始数据预选，以密切复制实时数据流。当地震数据中包含噪声样本时，发现CNN可以稳定准确地预测与噪声幅度对应的地面震动强度。
physics.geo-ph
复杂地震网络中丛集的动力学演化
Dynamical evolution of clustering in complex network of earthquakes
网络方法在当代复杂系统/现象科学中起着突出的作用。这种方法已被引入地震学在最近的工作[S. Abe和N.铃木，欧菲。Lett. 65，581（2004）]。本文讨论了美国加利福尼亚州地震台网的动力学特性，发现丛集系数值在主震前保持平稳，在主震时突然跳高，然后按幂律缓慢衰减，再趋于平稳。因此，网络方法被发现以一种特殊的方式表征主震。
cond-mat.otherphysics.geo-ph
复杂地震台网群落结构的动态演化
Dynamical evolution of the community structure of complex earthquake network
地震台网具有无标度性、小世界性、层次性和混合性等特点。本文从群落结构的角度分析了地震台网在主震前后的时间演化。研究发现，表征群落存在性的模块性测度的最大值表现出一种特殊的行为：在主震前，其最大值保持在一个较大的值，在主震时，其最大值突然下降到一个较小的值，然后相对缓慢地增加并再次松弛到一个较大的值。因此，一个主震吸收和合并社区，创造一个更大的社区，显示如何主震可以在复杂的网络表示地震活动的特点。
cond-mat.dis-nnphysics.geo-ph
EPBench：基于神经网络的短期地震预测基准
EPBench: A Benchmark for Short-term Earthquake Prediction with Neural Networks
本文提出首个全球区域尺度短期地震预测基准EPBench，包含92万余条地震记录及多模态数据、评估方法和多种基线模型，旨在推动神经网络在地震预测中的应用。
physics.geo-ph
多尺度裂缝网络中级联地震的破裂动力学
Rupture Dynamics of Cascading Earthquakes in a Multiscale Fracture Network
本研究通过三维动态破裂模拟，发现多尺度裂缝网络在特定预应力和间距条件下可发生级联破裂，抑制主断层滑动，离断层矩震级可达约5.6级，为地震危险性评估提供新见解。
physics.geo-ph
地震 magnitude 依赖于地震历史，如神经网络分析所揭示
Earthquake magnitudes depend on seismic history, as revealed by a neural network analysis
Tel-Aviv University（特拉维夫大学）；Google Research, Google（谷歌研究，谷歌）；The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
本文通过神经网络分析证明地震 magnitude 可由历史地震数据预测，提出 MAGNET 模型在加州、日本和新西兰数据中实现 0.07 bit 的信息增益。
physics.geo-ph
迁移学习：改进训练数据不足地区基于神经网络的地震地面震动预测
Transfer learning: Improving neural network based prediction of earthquake ground shaking for an area with insufficient training data
在最近的一项研究（Jozinović et al，2020）中，我们表明，应用于网络地震道的卷积神经网络（CNN）可用于快速预测地震峰值地面运动强度测量（IM），仅使用震中附近台站的记录。这些预测是在没有任何关于地震位置和震级的先验知识的情况下做出的。这种方法不同于地震预警系统（EEWS）所采用的标准程序，后者依赖于位置和震级信息。在之前的研究中，我们使用了2016年意大利中部地震序列的10秒原始多站波形，共915次事件（CI数据集）。CI数据集具有大量的空间集中地震和密集的台站网络。在这项工作中，我们将CNN模型应用于位于意大利比萨附近的VIRGO引力波天文台周围的区域。在我们最初应用该技术时，我们使用了由39个台站记录的266次地震组成的数据集。我们发现，使用这个较小的数据集训练的CNN模型与Jozinović等人（2020）的原始研究结果相比表现更差。为了解决数据缺乏的问题，我们采用了两种方法来进行迁移学习（TL）：首先，使用基于CI数据集构建的预训练模型，然后，使用基于不同（地震学）问题构建的预训练模型，该问题具有更大的数据集可用于训练。我们表明，使用TL改善了预测值和真实IM值之间的残差的离群值，偏差和变异性方面的结果。我们还证明了在神经网络中添加站点位置知识作为附加层可以改善结果。EEW的可能用途通过在车站PII收到警告的时间来证明。
physics.geo-ph
Gamra：复杂地震的简单网格
Gamra: Simple Meshes for Complex Earthquakes
由地震引起的静态偏移可以用沿断层位移不连续的弹性静力模型来描述。对这种不连续性建模的传统方法是将数值网格与断层对齐，并使用有限元求解方程。但是，这种扭曲的网格可能难以生成和更新。本文提出了一种新的数值方法，受浸入界面法的启发，求解含嵌入间断的弹性静力方程。这种方法已经精心设计，使其可以用于并行机上的适应有限差分网格。我们已经在Gamra中实现了这种方法，这是一种新的地球建模代码。我们证明了分析测试的方法的正确性，我们证明了它的实际性能，通过解决一个现实的地震模型，以极高的精度。
physics.geo-ph
图神经网络在地震定位和震级估计中的应用
Earthquake Location and Magnitude Estimation with Graph Neural Networks
我们通过监督学习方法解决了地震位置和震级估计的传统问题，在这种方法中，我们训练一个图形神经网络来直接从输入拾取数据中预测估计值，每个输入都允许一个具有可变数量的台站和位置的不同地震网络。我们训练的模型使用合成模拟假设的旅行时间和振幅距离衰减模型。该体系结构使用一个图来表示站集，另一个图来表示模型空间。输入包括数据的理论预测，给定的模型参数，以及定义的图形的邻接矩阵链接空间局部元素。正如我们所展示的，这种组合表示上的图卷积在推理、数据融合和离群值抑制方面非常有效。我们将我们的结果与传统方法进行比较，并观察到良好的性能。
physics.geo-ph
地震台网聚类的有限数据尺度
Finite data-size scaling of clustering in earthquake networks
地震台网属于小世界型。然而，网络特性的值不仅取决于小区大小（即，构造网络所需的粗粒化的规模），而且还取决于地震资料集的大小。在这里，发现的聚类系数的数据大小，这是指在这里作为有限的数据大小缩放的缩放法，报告。它的普遍性是由来自加利福尼亚州，日本和伊朗的数据的详细分析所支持的。并对震级阈值的设置效果进行了讨论。
cond-mat.dis-nnphysics.geo-ph
现代观点中的余震：复杂地震网络、老化和非马尔可夫性
Aftershocks in Modern Perspectives: Complex Earthquake Network, Aging, and Non-Markovianity
从复杂性科学的角度研究余震现象。特别是，三个不同的概念进行检查：（一）复杂的网络表示的地震活动性，（二）事件事件的相关性，（三）的影响，远程记忆。关于（i），它表明复杂地震网络的聚类系数在主震前后表现出一种特殊的行为。关于（ii），它被发现，余震的经验老化，相关的缩放举行。对于（iii），一类奇异马尔可夫过程所满足的标度关系被破坏，这意味着余震过程中存在长程记忆。
cond-mat.dis-nnphysics.geo-ph
地震台网粗粒化尺度的确定
Determination of the scale of coarse graining in earthquake network
在最近的一篇论文[S。Abe和N.铃木，欧菲。信件：65（2004）581]中，为了描述地震活动的复杂性，引入了地震台网的概念。在那里，单元格的大小，这是一个粗粒化的规模所需的地震台网，一直保持作为一个自由参数。在这里，提出了一种方法来确定它的基础上的网络的缩放行为。非常值得注意的是，幂律连通性分布的指数和聚类系数被发现接近各自的普适值，并保持不变，因为细胞的大小变得大于一定的值，$l_*$，这取决于分析中包含的事件的数量，在一般情况下。此$l_*$修复粗粒化的比例。结果的普遍性证明了所有的网络构建的数据独立地从加利福尼亚州，日本和伊朗。
cond-mat.dis-nnphysics.geo-ph
无标度地震台网
Scale-Free Network of Earthquakes
将南加州和日本地区划分为小的立方体单元，如果其中发生地震，则每个立方体单元被视为图的顶点。连续两次地震定义了一个边缘和一个环，取代了复杂的断层-断层相互作用。以这种方式，地震数据被映射到随机图。研究发现，与地震相关的演化随机图表现为Barabasi-Albert型无标度网络。由此构造的图中的连通度分布被发现按幂律衰减，显示了地震作为一种复杂的临界现象的新特征。这一结果可以解释为，矩值大的地震的频度也按照幂律（古登堡-里克特定律）衰减，与主震相关的余震倾向于返回主震的轨迹，从而导致主震顶点的连通性大。它也被发现，指数的分布的连通性是所调查的板的特征。
cond-mat.dis-nncond-mat.stat-mechphysics.geo-ph
关于断层网络中地震b值耦合几何-力学起源的研究
On the coupled geometrical-mechanical origin of the earthquake b-value in fault networks
Tongji University（同济大学）；Uppsala University（乌普萨拉大学）
本研究通过分析和数值模型揭示了地震b值的几何-力学耦合起源，阐明了断层临界性和断裂能耗散对频次-震级分布的影响。
physics.geo-ph
地震和余震的无标度网络
Scale free networks of earthquakes and aftershocks
我们提出了一个新的度量来量化任何两个地震之间的相关性。该度量由两个事件之间的时间间隔和空间距离以及第一个事件的大小的乘积组成。根据该度量，事件通常仅与一个或几个先前的事件强烈相关。因此，将地震分类为前震、主震或余震是自动出现的，而不需要预先设定时空窗口。为了构建一个网络，每个地震都从其最相关的前任接收一个传入链接。任何事件的余震数，确定其传出的链接，被发现是无标度的指数$γ= 2.0(1)$。原始的大森定律与$p=1$出现作为一个强大的地震活动性的功能，持有长达数年，甚至余震序列发起的中等规模的事件。实测的地震与余震距离的厚尾分布表明，用固定的空间窗口进行余震采集是不合适的。
cond-mat.stat-mechphysics.geo-ph
震害模式解析复杂的破裂过程
Earthquake damage patterns resolve complex rupture processes
大型大陆地震激活了复杂断层系统中的多个断层，动态地诱发了周围的同震破坏。据报道，2016年新西兰南岛北部的凯库拉7.8级地震是有史以来最复杂的大陆地震之一，导致了独特的断层上和断层外变形模式。以往的地球物理研究证实，全球范围内的破裂从震中向北传播。然而，确切的破裂传播路径仍然没有得到很好的理解，因为几何形状的复杂性，部分在海上，和盲目的推力的可能性。在这里，我们使用最先进的观测表面变形，提供了光学图像相关性，第一原理物理为基础的数值模拟相结合，以确定最有可能的破裂pathes.We详细量化所观察到的水平同震变形和识别特定的断层外损害区之间的约旦，Kekerengu和Papatea断层段的三联点的区域。我们还模拟了动态破裂传播，包括激活故障损坏，通过故障三联点的两个替代破裂的情况。将我们的观测结果与上述两种模拟方案的结果进行比较，我们发现只有一种方案最好地解释了断层上和断层外的形变场。我们的研究结果提供了一个独特的洞察破裂途径，通过观察和建模，无论是在断层和断层外变形。我们提出了这种综合方法，以缩小可能的破裂情况下，伴随着同震断层外损害的大型大陆地震。
physics.geo-ph
声摩擦网络与实验室地震前兆破裂锋的演化
Acoustic-Friction Networks and the Evolution of Precursory Rupture Fronts in Laboratory Earthquakes
我们发现，网络的介观和输运特性遵循相同的趋势，对于同一类型的剪切破裂的破裂速度，同时也比较了三种不同的摩擦实验的结果。从锯切西风花岗岩断层的摩擦网络参数分类前锋显示出明显的分离成两组，表明两个不同的破裂前锋。相对于缩放的局部破裂持续时间与网络参数，我们表明，差距是有关的可能性之间的分离缓慢和定期的前线。
cond-mat.mtrl-sciphysics.geo-ph
多任务多台站地震监测：集震相拾取、定位和关联于一体的网络（PLAN）
Multi-task multi-station earthquake monitoring: An all-in-one seismic Phase picking, Location, and Association Network (PLAN)
University of Science and Technology of China（中国科学技术大学）；China University of Geosciences（中国地质大学）
提出一种图神经网络PLAN，直接处理多台站地震数据，通过融入台站间和任务间物理关系，首次实现震相拾取、关联与定位的自洽一体化，在多个地区表现优于现有深度学习方法。
cs.LGphysics.geo-ph
基于多层传感器网络的深度学习低震级地震检测
Deep learning for low-magnitude earthquake detection on a multi-level sensor network
近年来，由于全球诱发地震活动的急剧增加，低震级地震的自动检测已成为一个日益重要的研究课题。低震级震波迹象的检测对于水力压裂、碳捕获和储存以及地热作业的微震监测至关重要，有助于灾害检测和减灾。此外，微地震的检测对于了解更大地震的潜在机制至关重要。多年来，已经提出了各种算法，包括深度学习方法，以检测此类低震级事件。然而，仍然需要改进这些方法在区分局部噪声源和弱震波迹象方面的鲁棒性。在这项研究中，我们提出了一个卷积神经网络（CNN）检测震波迹象从浅钻孔站在荷兰格罗宁根。我们训练一个CNN模型来检测低震级地震，利用格罗宁根G网络的多级传感器配置。每个G网络站包含四个地震检波器，深度分别为50、100、150和200米。与之前仅在单个传感器级别使用三分量地震记录的深度学习方法不同，我们使用整个钻孔的记录作为一个训练示例。这允许我们使用穿过钻孔传感器的能量的时差模式来训练CNN模型，以区分源自地下的事件和来自地面的局部噪声。我们将训练好的CNN模型的预测准确性与STA/LTA和模板匹配算法在两个月的连续记录上进行比较。我们证明了CNN模型在检测目录中缺失的新事件和最小化错误检测方面显示出比STA/LTA和模板匹配更好的性能。
physics.geo-ph
基于智能手机的地震预警系统中控制误报和漏报概率的统计方法
A statistical approach for controlling the probability of false alarm and missed detection in smartphone-based earthquake early warning systems
基于智能手机的地震预警系统（EEWS）正在成为基于昂贵的科学级仪器的经典EEWS的补充解决方案。然而，基于智能手机的系统的特征在于高度动态的网络几何形状和噪声测量。因此需要控制虚警概率和漏检概率。本文提出了一种基于极大似然方法的统计方法来解决这一挑战，并联合估计近实时地震参数，如震中和深度。该方法使用来自地震网络公民科学倡议的数据进行测试，该倡议实现了基于智能手机的全球EEWS。
physics.geo-phstat.AP
路径签名与图神经网络用于慢地震分析：结合是否更优？
Path Signatures and Graph Neural Networks for Slow Earthquake Analysis: Better Together?
Duke University（杜克大学）
本文提出路径签名图卷积神经网络（PS-GCNN），融合路径签名与图卷积网络，用于GPS时间序列的慢地震分析，在模拟随机微分方程上建立基准，展现地震预测潜力。
cs.LGphysics.geo-ph
测试深度学习在地震预测中的潜力
Testing the Potential of Deep Learning in Earthquake Forecasting
本文利用日本俯冲带地震数据和时空b值，训练自编码器与卷积扩张网络分类器，以72.3%的准确率预测次日是否发生5级以上地震，验证了深度学习在地震预测中的潜力。
physics.geo-ph
基于机器学习的Earthquake Magnitude估计方法
A Machine-Learning Approach for Earthquake Magnitude Estimation
Stanford University（斯坦福大学）
在这项研究中，我们开发了一种单站深度学习方法，用于直接从原始波形快速可靠地估计地震震级。我们设计了一个由卷积和递归神经网络组成的回归器，它对数据归一化不敏感，因此可以在训练过程中利用波形幅度信息。我们的网络可以预测地震震级的平均误差接近零和标准差~0.2的基础上单台波形没有仪器响应校正。我们测试了网络的本地和持续时间的幅度尺度，并表明基于站的学习可以是一种有效的方法，以提高性能。所提出的方法具有从常规地震监测到早期预警系统的各种潜在应用。
cs.AIcs.LGeess.SP
FASTDASH：基于H矩阵加速的边界元方法在复杂断层系统三维地震周期模拟中的实现
FASTDASH: An Implementation of 3D Earthquake Cycle Simulation on Complex Fault Systems Using the Boundary Element Method Accelerated by H-matrices
FASTDASH利用H矩阵加速的边界元方法实现三维准动态滑动模拟，处理复杂断层几何，计算复杂度从O(N^2)降至O(N log N)，并通过解析解和SEAS基准验证，成功复现2023年土耳其双地震的滑动序列。
physics.geo-ph
自然时间分析中识别大地震前应力积累的复杂性测度
A complexity measure in natural time analysis identifying the accumulation of stresses before major earthquakes
提出基于自然时间分析的新方法，通过研究时间反演下地震活动性熵变化波动的演化，识别大地震前应力积累时期，并在日本地震数据中得到验证。
physics.geo-ph
利用局部地震台网评估SAIPy性能用于火山构造地震监测
Evaluating the SAIPy Performance using a Local Seismic Network for Volcano-Tectonic Earthquakes Monitoring
Frankfurt Institute for Advanced Studies（法兰克福高等研究院）；Universidad de Guadalajara（瓜达拉哈拉大学）；Goethe University（歌德大学）
本研究利用局部地震台网评估SAIPy在火山构造地震监测中的性能，展示了其在事件检测和相识别方面的可靠性，但指出震级估计需进一步优化。
physics.geo-ph
地震活动等待内时的普遍规律及其对地震台网的意义
Universal law for waiting internal time in seismicity and its implication to earthquake network
在他们的论文（Europhys.信件：71（2005）1036），Carbone，Sorriso-Valvo，Harabaglia和Guerra表明，Bak等人（Phys. Rev. Lett.，88（2002）178501）实际上并不普遍。在这里，而不是传统的时间，内部时间的概念称为事件时间被认为是地震活动。结果表明，与传统的等待时间相比，等待事件时间服从幂律。这意味着存在的时间长程相关性的事件时间没有急剧衰减的交叉类型。所发现的幂律等待事件-时间分布是普遍的，因为它在加利福尼亚、日本和伊朗的地震活动中具有相同的形式。特别是，分布中包含的参数采用所有这些地理区域的共同值。本文还讨论了这一结果对地震台网建设的意义。
cond-mat.dis-nnphysics.geo-ph
地震和余震的复杂网络
Complex networks of earthquakes and aftershocks
我们调用一个度量来量化任何两次地震之间的相关性。这提供了一个简单和直接的替代使用时空窗口来检测余震序列，并消除了需要区分主震从余震。有向地震网络是通过在强烈相关的事件对之间放置一个从过去指向未来的链接来构建的。每个链接都有一个权重，给出相关性的相对强度，使得任何节点的传入链接之和对于余震等于1，或者如果事件没有相关的前驱，则为零。设置相关阈值以在不丢失重要信息的情况下大幅减小数据集的大小。事件可以是许多先前事件的余震，也可以产生许多余震。传入和传出链路的数量的概率分布都是无标度的，并且网络是高度聚集的。大森定律适用于余震率，直到去相关时间与初始地震的震级$m$成比例，即$t_{\rm cutoff} \sim 10^{βm}$与$β\simeq 3/4$。另一个标度定律将地震和余震之间的距离与初始地震的震级联系起来。我们的结果与有限余震区的假设是不一致的。我们还发现了地震活动主要由小地震触发的证据。我们的方法，使用复杂网络的现代理论的概念，加上一个度量来估计相关性，开辟了新的研究途径，以及新的工具来了解地震活动性。
cond-mat.stat-mechphysics.geo-ph
1985-2002年意大利地震台网的性能：隐藏的东西
Performances of the Italian seismic network, 1985-2002: the hidden thing
地震资料用户和地震台网管理人员都对地震资料的潜力感兴趣，不同之处在于前者着眼于稳定性，后者着眼于改进。在这项工作中，我们测量的性能，意大利遥测地震网络在1985-2002年通过定义基本的重要参数，并研究它们的演变在这些年来。然后，我们处理的地质方法，用于规划地震台部署在少数情况下。最后，我们将网络的增益定义为定位地震相对于总记录地震的百分比。通过分析未定位（“错过”）地震的分布，我们建议采取可能的行动，以增加收益。结果表明，完整性震级平均为2.4级，如果考虑非定位地震，完整性震级可以低至2.2级。地震与最近台站之间的距离以及RMS位置等参数随着时间的推移而减少，反映了定位质量的改善。对一个可能的站址进行地质和地震特征描述的方法也证明是有效的。最后，我们代表了在每个站错过的地震的数量，显示9个站控制超过50%的所有错过的地震，并建议在意大利的网络可能很容易改善的地区。
physics.data-anphysics.geo-ph
