Gambling scores in earthquake prediction analysis
成功次数n和时空报警标准化测度τ是表征地震预测方法强度和预测结果意义的常用指标。为了更好地评估预报员的技能，最近有人建议使用一个新的特性，赌博得分R，它结合了通过使用不同的权重为不同的警报猜测每个目标事件的难度。我们扩大了类的R-特征，并将这些M8预测算法的结果的分析。我们表明，显着性水平'阿尔法'强烈依赖于（1）加权报警参数的选择，（2）在整个报警体积的分区成组件部分，和（3）的目标事件，m（DG）的空间速率的准确性。这些工具由研究人员使用，可以影响任何方向的显著性估计。这里讨论的所有R统计量都证实了用M8方法预测8.0<=M<8.5的事件是不平凡的。然而，基于传统特征（n，tau）的结论由于两种情况而更可靠：'tau'是稳定的，因为它基于m（.）的相对值，并且“n”统计量使得能够在考虑m（.）的不确定性的情况下构造“α”的上限估计。
2010-05-27 physics.geo-ph
Forecasting the rates of future aftershocks of all generations is essential to develop better earthquake forecast models
目前，性能最好和最流行的地震预报模型之一依赖于这样的工作假设：“过去背景地震的位置揭示了未来地震活动的可能位置”。作为替代方案，我们提出了一类平滑地震活动性模型（SSM）的基础上的流行病型余震序列（ETAS）模型的原则，预测的位置，时间和震级的所有未来地震使用的背景地震活动率和未来的余震率的估计。利用加州地震目录，我们制定了六个控制的伪前瞻性实验，三个目标震级阈值的不同组合：2.95，3.95或4.95和两个预测时间范围：1或5年。在这些实验中，我们比较了（1）空间均匀参数的ETAS模型或GETAS（2）空间可变参数的ETAS模型或SVETAS（3）三种基于去聚类的SSM（4）基于未聚类数据的简单SSM和（5）基于应变率数据的模型在许多测试期间预测所有（未聚类）目标地震的位置和震级的性能。在所有进行的实验中，SVETAS模型与所有竞争模型相比具有一致的优越性。SVETAS模型相对于基于去聚类的SSM的一致更好的性能突出了预测所有世代的未来余震对于开发更好的地震预报模型的重要性。在这两个ETAS模型本身中，考虑到参数的最佳空间变化，预测性能得到了强有力的、统计上显著的改善。
2019-03-17 physics.geo-ph
Calendar Time Local Earthquake Forecasts from Earthquake Nowcasts: A Do-It-Yourself (DIY) Ensemble Method
University of California, Davis（加州大学戴维斯分校）；Santa Fe Institute（圣塔菲研究所）；Jet Propulsion Laboratory（喷气推进实验室）；Purdue University（普渡大学）；University of California, Irvine（加州大学尔湾分校）；University of Virginia（弗吉尼亚大学）；Shizuoka University（静冈大学）
本文提出一种利用小震计数和格鲁伯-里希特关系预测本地大震的方法，通过ROC测试验证其有效性，适用于不同时间尺度的地震预测。
2026-04-22 physics.geo-ph
A paradigm for developing earthquake probability forecasts based on geoelectric data
我们研究了地震前的地电信号的异常行为，通过一个算法，包括报警为基础的模型和二进制分类。该算法最初由Chen和Chen [Nat. Hazards.，84，2016]，通过删除用于地震发生粗粒化的时间参数，以及通过将单站方法扩展为联合站方法来改进。我们还确定了最佳频带的地震相关的地电信号具有最高的信噪比。使用显着性检验，我们还提供了证据的基础震电关系。机器学习提取这种潜在的关系是合适的，它可以用来量化即将发生的地震的概率预测，并更接近于操作地震预测。
2019-07-12 physics.geo-ph
A RELM earthquake forecast based on pattern informatics
我们提出了一个RELM预测未来的地震在加利福尼亚州，主要是基于模式信息学（PI）的方法。这种方法可以识别出地震活动性有系统波动的地区，而且已经证明是成功的。最初于2002年2月19日发布的南加州PI预测图成功地预测了过去三年中18次M>5地震中的16次。该方法也已成功应用于日本和世界各地。地震预报的另一种方法是相对烈度法。RI预测图是基于最近小地震的地震活动性水平。PI方法的最新进展显示出相当大的改进，特别是与使用相对操作特征（ROC）图进行二元预测的RI方法相比。RELM应用程序需要在五年期间内每个位置的多个震级箱的概率。因此，我们构建了一个混合预测，其中我们结合PI方法与RI方法来计算在任何位置发生的事件的概率图，而不仅仅是最可能的位置。这些概率进一步转换，使用古腾堡-里克特标度定律，可以使用RELM测试评估的未来地震的预期率。
2005-10-19 physics.geo-ph
A combining earthquake forecasting model between deep learning and Epidemic-Type Aftershock Sequence (ETAS) model
针对ETAS模型长短时间尺度预测偏差问题，提出结合ConvLSTM与ETAS的CL-ETAS复合地震预测模型，经南加州真实地震数据验证，在预测精度、稳定性及可解释性上均优于单一模型。
2023-10-04 physics.geo-ph
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。
2005-08-22 physics.geo-ph
ANADEF: A Nested-Permutation Alarm for Dual-Parameter Earthquake Forecasting
University of Beira Interior（比拉伊内里乌大学）；Atmosphere and Ocean Research Institute (AORI), the University of Tokyo（东京大学大气海洋研究所）；Farhangian University（法尔坎吉安大学）
提出ANADEF流程，结合应力敏感b值场与背景速率进行双参数地震预报，在扎格罗斯带测试显示减少警报面积并保持高命中率，但增量信息显著性依赖于零模型选择。
2026-09-09 physics.geo-ph
Statistical earthquake focal mechanism forecasts
预测未来地震的震源机制对于地震危险性估计、库仑应力和其他地震发生模型都很重要。在这里，我们报告了一个高分辨率的全球预测地震率密度的位置，震级和震源机制的函数。在以前的出版物中，我们报道了0.5度空间分辨率的预报，包括纬度范围、震级和震源机制。在以前的出版物中，我们报告了基于全球中心矩张量地震目录的0.5度空间分辨率的预测，覆盖纬度范围从-75度到+75度。在新的预报中，我们将空间分辨率提高到了0.1度，并将纬度范围从两极提高到两极。我们的震源机制估计需要距离加权的组合观察到的震源机制在1000公里内的每个网格点。同时，我们使用Kagan & Jackson在1994年提出的方法，计算了预测的机制与周围所有机制之间的平均旋转角。这个平均角度揭示了一个地区的构造复杂程度，并表明预测的准确性。当经度线不是近似平行的，地震是如此稀疏以至于足够的样本跨越很大的距离时，这个过程就成了问题。在75度以北或以南，1000公里以外的点的方位角可能变化约35度。我们解决这个问题的方法是，在每个预测点计算与地球表面相切的平面上的震源机制，并对平均值中包含的地震位置的经度线旋转进行校正。在-30度和+30度纬度之间的校正可以忽略不计，但在该带之外，未校正的旋转可能会显着偏离。
2013-10-10 physics.geo-ph
Progress in the short-term earthquake forecasting by integrating KaY wave analysis and satellite observations
根据N.Kozyrev关于太阳和月球的引力场对地壳影响的观点，我们认为地震发生前地壳块体发生了低频共振。共振影响到若干地球物理参数，并与许多短期的物理现象有关;最显著的是地下气体（氡）的释放、空气温度的上升、对流层中热辐射的变化以及电离层中电子密度的增加。在地震发生的最后阶段，形成称为Kozyrev-Yagodin（KaY-）波的长周期重力地震波，并从未来地震的外围向震中移动。我们讨论了通过整合不同阶段的地震成因信息：网络观测的KaY波和卫星热辐射，我们可以显着提高短期地震预报的准确性和可靠性，以前无法实现。
2021-05-21 physics.geo-ph
Magnitude clustering and dynamical scaling in trigger models for earthquake forecasting
地震学的主要兴趣之一是制定能够描述地震发生时间群集的模型。南加州星表的分析表明，震级聚类对应于时间聚类。在这里，我们提出了一个动力学标度假说，其中时间是重新标度的幅度。这一假设是在广义触发模型的背景下引入的，并考虑到地震发生的时间和震级的聚类。该模型能够生成一个合成目录再现的震级和间隔时间分布的30年加州地震活动。
2005-07-27 physics.geo-ph
High Resolution Long- and Short-Term Earthquake Forecasts for California
我们提出了两个模型，估计未来地震的概率在加利福尼亚州，在地震可预测性研究（CSEP）的合作实验室进行测试。第一个是独立于时间的模型，由Helmstetter等人（2007）修改而来，提供了震级m > 4.95的五年预测。我们表明，大地震发生的平均位置附近的小m > 2的事件，因此，未来大地震的空间发布的高分辨率估计是从众多的小事件的位置。我们采用了自适应的空间内核的优化带宽，并假设一个普遍的，锥形古腾堡-里希特分布。在回顾性测试中，我们表明，没有泊松预测可以捕捉到观察到的变化。因此，我们也使用事件数量的负二项分布来测试预测。我们修改现有的基于可能性的测试，以更好地评估空间预测。我们的时间相关模型，一个流行病型余震序列（ETAS）模型修改自Helmstetter等人。（2006），提供了第二天的预测m > 3.95。预测率是背景率的总和，与我们的时间无关模型成比例，以及由于所有先前的地震触发事件。根据大森定律，每次地震触发事件的速率随震级呈指数级增加，并随时间衰减。一个各向同性的核模型的空间密度的余震小（< 5.5）事件。对于更大的地震，我们平滑早期的余震，以预测后期的事件。我们通过优化回顾性预测来估计参数。我们的短期模型实现了约6.0的增益超过时间无关模型。
2009-10-26 physics.geo-ph
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。
2023-07-04 physics.geo-ph
Forecasting strong aftershocks in earthquake clusters from northeastern Italy and western Slovenia
在这项研究中，我们提出了一个分析的地震集群发生在意大利东北部和斯洛文尼亚西部从1977年到今天。如果主震在人群中产生警报，我们有兴趣预测是否会发生类似震级的地震。我们把与Mm级主震有关的震群分为两类：如果最强余震的震级>=Mm-1（震群或大余震地震层序）为A类，否则（较小余震地震层序）为B类。主震后的大余震可能对已经受损的建筑物和基础设施造成重大破坏，因此及时向民防部门提供咨询信息对于有效决策非常重要。这是我们第一次将我们为整个意大利开发的聚类类型预测模式识别算法应用于新目录（Gentili和Di Giovambattista，2017）。由于当地OGS目录的完整性较低，与国家相比，并采用新版本的算法，我们能够将集群主震震级的阈值从4.5降低到3.7。该方法已通过严格的统计检验进行了验证。我们在1976年的高破坏性地震群（主震震级6.5 -该地区过去80年来最强）上测试了该算法，并回顾性地将其预测为A群。2019年，在其他三个较小的地震群上也取得了成功的结果。
2020-04-27 physics.geo-ph
Dynamics of the Markov Time Scale of Seismic Activity May Provide a Short-Term Alert for Earthquakes
我们提出了一种新的方法来分析地震前的随机地震资料，将它们视为一个马尔可夫过程，并区分背景噪声从真正的波动，由于地震。在地震前的短时间内（大约几个小时），马尔可夫时间尺度$t_M$急剧增加，从而为即将发生的地震提供警报。为了区分一个错误的警报从一个可靠的，我们计算的第二个量，$T_1$，扩展的自相似性的数据的概念的基础上。$T_1$在地震发生前也会发生强烈的变化。如果{ \it both} $t_M$和$T_1$ { \it simultaneously}指示报警，则接受报警。用一个地区的数据校准该方法提供了预测该地区即将发生的地震的工具。我们对大量地震数据的分析表明，该方法的失败率基本为零。
2005-10-06 nlin.AO physics.data-an physics.geo-ph
How to quantify earthquake predictability? Advances in earthquake forecasting and predictability limits
The Institute of Statistical Mathematics（统计数学研究所）；the Graduate University for Adavanced Studies (SOKENDai)（advanced studies 研究生院（SOKENDai））；Institute of Risk Analysis, Prediction and Management, Southern University of Science and Technology（南方科技大学风险分析、预测与管理研究院）
本文构建统一信息论框架量化地震可预测性，推导点过程下相关熵率，明确时空震级可预测性的决定因素，提出高维震前观测可提升可预测性，为评估预测极限等提供基础。
2026-07-30 physics.geo-ph
Embracing Data Incompleteness for Better Earthquake Forecasting
我们提出了两种方法来校准的预期最大化（EM）的基础上，同时占目录完整性的时间变化的地震型余震序列（ETAS）模型的参数。第一种方法允许对具有完整性震级$m_c$随时间变化的长期地震目录进行模型校准。这种校准技术有利于长期的概率地震危险性评估（PSHA），这往往是基于仪器和历史目录的混合。第二种方法概括了$m_c$的概念，考虑到速率和幅度相关的检测概率，并允许自洽估计ETAS参数和高频检测不完整性。通过这种方法，我们的目标是解决由于短期余震的不完整性，拥抱不完整性，而不是避免it.Using合成测试参数校准的潜在偏差，我们表明，这两种方法可以准确地反演模拟目录的参数。然后，我们使用它们来估计自1932年以来使用地震目录加州ETAS参数。为了探索模型校准、包含小事件以及考虑短期不完整性如何影响地震的可预测性，我们系统地比较了基于第二种方法的ETAS模型变体，用于加利福尼亚州的伪前瞻性预测实验。我们提出的模型显着优于ETAS空模型，随着目标震级阈值的增加，信息增益降低。我们发现，包括小地震模拟未来情景的能力是改进的主要驱动力，并考虑到不完整性是必要的。我们的研究结果对我们理解地震相互作用机制和未来的地震活动预测具有重要意义。
2021-12-01 physics.geo-ph
Earthquake Counting Method for Spatially Localized Probabilities: Challenges in Real-Time Information Delivery
我们开发并实施了一种新型的全球地震预报。我们的预测是一个扰动的平滑地震活动性（相对强度）的空间预测结合时间的时间平均（泊松）预测。各种统计和故障系统模型已被讨论用于计算预测概率。我们的论文采用了一种新的方法。这个想法是基于观察到的GR统计特征的地震活动的所有空间和时间。小震级事件计数（地震计数）被用作大事件接近的标志。更具体地说，如果GR b值= 1，那么每1000次M>3地震，预计会有1次M>6地震。因此，如果自上次6级以上地震以来，在一个空间区域内发生了约1000次3级以上地震，则不久将发生另一次6级以上地震。在物理学中，事件计数模型被称为自然时间模型，因为小事件的计数表示表征系统动态的物理或自然时间尺度。在以前的论文中，我们使用条件威布尔统计转换成一个给定的固定区域的时间概率的事件计数。在本文中，我们免除了一个固定的区域，并开发了一种方法来计算这些自然时间威布尔（NTW）预测在全球范围内，使用内部一致的方法，在区域的任意形状和大小。在这些结果中，我们发现日本地区在未来一两年内发生大地震（M>8）的风险很大，这一结果也是考虑到古登堡-里克特关系的完整性。
2013-07-22 physics.geo-ph
Retrospective Evaluation of the Five-Year and Ten-Year CSEP-Italy Earthquake Forecasts
2009年8月1日，全球地震可预测性研究合作实验室在意大利启动了一项前瞻性和比较性地震可预测性实验。CSEP-意大利实验的目标是测试地震发生的假设，这些假设已经被正式化为从几天到几年的时间尺度上的概率地震预报。在第一轮提交的预测中，CSEP-意大利工作组的成员向苏黎世联邦理工学院的欧洲CSEP测试中心提交了18份五年和十年地震预测。我们认为，这12个时间无关的地震预报，并评估他们与过去的地震活动性数据从两个意大利地震目录。在这篇文章中，我们提出了测试的结果，衡量的预测与过去的观察的一致性。除了对所提交的不受时间影响的预报进行评价外，这项工作还使人们深入了解了可预测性试验中的一些重要问题，如预报的具体说明、检验的效果以及结果的可靠性与试验持续时间之间的权衡。最后，我们对未来的地震可预测性实验设计提出了建议。
2010-07-22 physics.data-an physics.geo-ph
Pattern Informatics and Its Application for Optimal Forecasting of Large Earthquakes in Japan
模式信息学（PI）技术可以用来探测地震的异常活动或平静，并进行地震预报。在这里，我们应用PI方法在日本的大地震的最佳预测，使用的数据目录，由日本气象厅。用PI方法对神户地区1995-2004年的5级以上大地震进行了预测。直观检验和统计检验表明，优化后的PI方法相对于常用作标准零假设的地震烈度数据具有预测技巧。此外，我们发现一个回顾性的预测，1995年神户地震（m = 7.2）落在一个地震异常区。测试预测算法的另一种方法是为大（m >= 5）地震事件创建未来潜在地图。这是用2000-2009年预测期的神户和东京地区来说明的。根据得到的神户地图，我们指出了几个预测区域：1995年神户地震的震中区，和歌山地区，三重地区，爱知地区。东京预测图是在2004年10月23日新潟6.8级地震和5.0级以上的主要余震发生之前制作的。我们发现这些事件发生在东京地图上的预测区域。区域地震活动性观测的PI技术证实了一个例子，显示出日本中期地震预报的巨大前景。
2005-01-21 physics.comp-ph physics.geo-ph
Imminent earthquake forecasting on the basis of Japan INTERMAGNET stations, NEIC, NOAA and Tide code data analysis
本研究提出了一种可能的方法，通过解决反问题，使用数据采集网络系统的监测，存档和复杂的分析地球物理变量的前兆地震震级，深度和震中坐标的临震预测。在许多可能的前兆中，最可靠的是地球电磁场、钻孔水位、氡表面浓度、局部热流、电离层变量、低频大气和地核波。在这项研究中，只使用地磁数据。在地磁地震方法的框架内，利用一个新的具有维面能量密度的变量Schtm，在对地磁资料进行简单分析的基础上，进行区域性地震活动性的临震预报是可能的。这样的分析Memambetsu，Kakioka，Kanoya（日本，INTERMAGNET）台站和NEIC地震数据，假设预测的地震是具有最大值的变量Schtm允许制定一个反问题（超定代数系统）的前兆信号，如地震震级，深度和距离监测点的函数。因此，在数据采集网络系统存在的情况下，其中包括监测一个以上的可靠的前兆变量，在至少四个点分布在半径达700公里的区域内，将有足够的代数方程计算临震震级，深度和距离，解决超定代数系统。
2016-08-02 physics.geo-ph
Neural Earthquake Forecasting with Minimal Information: Limits, Interpretability, and the Role of Markov Structure
本研究评估了神经网络与混合模型在短期地震预报中的时间泛化能力，发现模型在近期数据上性能显著下降，强调了结合物理先验与数据驱动方法的重要性。
2025-09-18 physics.geo-ph
Forecasting Strong Subsequent Earthquakes in Japan using an improved version of NESTORE Machine Learning Algorithm
本研究将NESTORE机器学习算法应用于日本，通过引入混合集群识别方法REPENESE和新地震活动特征，有效解决了高地震活动区的类别不平衡问题，在主震后6小时实现了0.94的准确率，并成功应用于2024年四国M6.6地震的近实时预测。
2024-08-23 physics.geo-ph
From Local Earthquake Nowcasting to Natural Time Forecasting: A Simple Do-It-Yourself (DIY) Method
本文提出一种基于古登堡-里克特关系和ROC曲线的自然时间地震预报方法，无需概率模型，通过计算阳性预测值来估计大地震概率，并在洛杉矶地区北岭地震后进行了验证。
2025-10-16 physics.geo-ph
Earthquake forecasting and its verification
目前还没有经过验证的方法可用于可靠的地震短期预测（几分钟到几个月）。然而，对地震风险进行概率危险评估是可能的。这些主要基于小地震与未来大地震的关联。本文讨论了一种新的地震预报方法。这种方法是基于模式信息学（PI）的方法，量化的时间变化的地震活动。其产出是一幅预测在未来10年内将发生地震的孕震区（"热点“）的地图。这种方法已成功地应用于加利福尼亚州，日本和世界各地。这些预测是二元的--地震预测要么发生，要么不发生。评价二元预测的标准方法是使用相对操作特征（ROC）图，这是一种比极大似然检验更具限制性且受偏差影响较小的检验。为了测试我们的PI方法，我们对加利福尼亚州进行了两种类型的回顾性预测。第一种是PI方法，第二种是相对强度（RI）预测，其假设是未来地震将发生在最近发生过地震的地方。虽然这两个追溯性预测都是针对2000年1月1日至2009年12月31日的十年期，但我们在预测的5年内进行了中期分析。PI方法在大多数情况下优于RI方法。
2005-08-19 cond-mat.stat-mech physics.geo-ph
Possible Origin of Memory in Earthquakes: Real catalogs and ETAS model
地震是困扰社会的最具破坏性的自然灾害之一。一个熟练的、可靠的地震预报仍然是地震学家的最终目标。利用去趋势波动分析（DFA）和条件概率（CP）方法发现，记忆不仅存在于震间记录中，而且存在于释放的能量和单位时间内地震事件数序列中。对传统地震模型（流行型余震序列，ETAS）的分析表明，地震记忆只能在很窄的模型参数范围内再现。这一发现，因此，提供了额外的准确性模型参数，通过严格限制其值在不同的世界范围内的地区，并可以作为一个测试平台，现有的地震预报模型。
2018-07-27 physics.geo-ph
Nonlinear Dynamics, Magnitude-Period Formula and Forecasts on Earthquake
根据地球动力学原理，由于岩层下流体层的运动和动量的输送与积累，使动量能量超过岩石的断裂阈值时，地震才发生。从流体力学的非线性方程组出发，可以导出与能量积累相对应的动量的简化非线性解。否则，可以得到一个混沌方程，其中混沌对应于地震，这表明地震学的复杂性，以及对地震进行精确预测的不可能性。但是，结合Carlson-Langer模型和Gutenberg-Richter关系，可以近似地导出该地震的震级-周期公式，并对某些结果进行定量计算。例如，我们预测了2004年，2009年和2014年的一系列地震，特别是2019年在加利福尼亚州。结合Lorenz模型，讨论了地震的往返迁移。而且，许多地震的外部原因仅仅是这个非线性系统的初始条件。
2008-02-02 physics.gen-ph physics.geo-ph
A way to synchronize models with seismic faults for earthquake forecasting: Insights from a simple stochastic model
数值模型开始被用于确定地震断层和断层网络的未来行为。他们的最终目标是预测未来的大地震。为了使用它们来完成这项任务，有必要将每个模型与它所模拟的实际断层或断层网络的当前状态同步（就像气象学家通过将当前的大气数据纳入其中来将他们的模型与大气同步一样）。然而，岩石圈动力学在很大程度上是不可观测的：重要的参数不能（或很少）在自然界中测量。然而，地震提供了岩石圈应力和应变状态的间接但可测量的线索，这应该有助于模型的同步。破裂面积是地震的可测参数之一。在这里，我们将探讨如何使用它来至少同步断层模型之间的相互作用和预测合成地震。我们的目的是在一个简单但随机的断层模型中预测合成地震。通过将该模型合成地震的破裂面积加到其它模型上，使后者与前者部分同步。我们使用这些部分同步的模型成功地预测了第一个模型产生的最大地震。这种预测策略优于其他只考虑地震序列的预测策略。我们的研究结果表明，使更详细的模型与真实断层同步的一个好方法可能是迫使它们再现断层上以前地震破裂的序列。这一假设可以在未来用更详细的模型和实际的地震资料来检验。
2006-02-13 physics.data-an physics.geo-ph
Earthquake Forecasting Based on Data Assimilation: Sequential Monte Carlo Methods for Renewal Processes
在气象学、工程学和计算机科学中，数据同化通常被用作将噪声观测与先验模型信息相结合的最佳方法，以获得比忽略数据不确定性更好的状态估计，从而获得更好的预测。地震预报也受到测量误差和部分模型信息的影响，因此可以从数据同化中获益匪浅。我们提出了也许是第一个完全可执行的数据同化方法，地震预报所产生的点过程模型的地震活动性。我们测试的方法在噪声中观察到的更新过程的合成和教学的例子，这是有关的地震空区假说，模型的特征地震和复发统计推断从古地震数据记录的大地震。为了解决地震的非高斯统计，我们使用顺序蒙特卡罗方法，一组灵活的基于模拟的方法递归估计任意后验分布。我们进行了大量的数值模拟，以证明基于数据同化的地震预报的可行性和好处。特别是，我们表明，基于最优采样重要性恢复（OSIR）粒子滤波器的预测显着优于基准预测，忽略了所观察到的事件时间的不确定性。我们使用边际数据似然，在数据错误的存在下，模型的解释能力的测量，估计参数和比较模型。
2009-08-11 physics.data-an physics.geo-ph
Adaptively Smoothed Seismicity Earthquake Forecasts for Italy
我们提出了一个模型，估计未来的震级M > 4.95在意大利的地震的概率。该模型是Helmstetter等人（2007）和Werner等人（2010）为加利福尼亚提出的模型的略微修改版本，通过空间非均匀，时间均匀的泊松点过程近似地震活动性。时间、空间和幅度维度完全分离。星等是根据锥形古登堡-里氏震级分布独立同分布的。我们估计未来地震活动的空间发布通过平滑的位置，过去的地震列在两个意大利目录：一个短的仪器目录和较长的仪器和历史目录。自适应空间核的带宽估计通过优化的空间地震密度的核估计在回顾性预测的预测能力。在可用且值得信赖的情况下，我们使用m>2.95的小地震来阐明活动断层结构和未来可能的震中。通过在两个不同持续时间的目录上校准模型来创建两个预测，我们打算量化只有短期但最近的数据记录时发生的可预测性损失（或增益）。这两个预测，规模为五年和十年，提交给意大利的前瞻性预测实验的全球合作实验室的研究地震可预测性（CSEP）。Helmstetter等人（2007年）将该模型的早期预测提交给了加利福尼亚州的区域地震可能性模型（RELM）实验，并且在五年实验的一半以上，该预测表现优于其竞争对手。
2010-06-28 physics.data-an physics.geo-ph
Earthquake prediction analysis: The M8 algorithm
时空地震预测的质量通常用二维误差图（n，τ）来表征，其中n是预测失败率，τ是时空报警的归一化度量。用于分析预测策略的最有趣的空间度量是子区域“dg”中的目标事件的速率m（dg）。在这种情况下，量H=1-（n+tau）决定了策略的预测能力。m（dg）的不确定性导致难以估计预测结果的“H”和统计显著性“α”。我们从理论上研究这个问题，并展示了如何在两种情况下，即，α的估计和随机策略的（n，τ）-参数的置信区的构造。我们使用我们的结果来分析8级地震预测算法。
2010-05-18 physics.geo-ph
Integrating b-Value and Background Seismicity Rate for Spatial Earthquake Forecasting in the Alborz Region, Northern Iran
Farhangian University（法尔康吉安大学）；The University of Tokyo（东京大学）；University of Beira Interior（贝拉内陆大学）；University of Kashan（卡尚大学）；Ankara University（安卡拉大学）
本研究利用均质化地震目录，评估b值和背景地震活动率μ在阿尔博兹地区的空间预测能力，并证明二者结合可提供更高效、物理基础更扎实的地震预测框架。
2026-05-22 physics.geo-ph
Likelihood analysis of earthquake focal mechanism distributions
在我们以前发表的论文中，我们讨论了地震震源机制预报和检验预报效率的方法。提出了几种验证方法，但它们都是基于特定的经验假设，因此它们的性能是值得怀疑的。在这项工作中，我们应用传统的似然方法来衡量预测的技能。这种方法的优点是，地震率预测原则上可以与震源机制预测充分结合，如果两者都是基于似然分数，导致一般的预测优化。为了计算可能性得分，我们需要将实际预测或预测事件的发生与零假设进行比较，该零假设是该机制的3-D方向是随机的。对于双耦合源定向，随机概率分布函数是不均匀的，这使得似然值的计算复杂化。为了更好地理解所产生的复杂性，我们计算的信息（似然）得分为两个旋转分布（柯西和冯米塞斯-费舍尔），这是用来近似震源方向模式。然后，我们计算的可能性得分的震源预测和验证未来的地震活动性数据。在分析观测结果时，需要探讨几个问题：它们对预测和数据分辨率的依赖性，预测角度分数的内部依赖性，以及可能性分数的随机变化。在这项工作中，我们提出了一个初步的解决方案，这些复杂的问题，因为这些问题需要通过更广泛的统计分析来探讨。
2014-05-23 physics.data-an physics.geo-ph
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。
2026-04-28 physics.geo-ph
Exceedance Probabilities for Large Earthquakes From DIY Local Earthquake Ensemble Nowcasting and Forecasting
University of California, Davis（加州大学戴维斯分校）；Santa Fe Institute（圣塔菲研究所）；Jet Propulsion Laboratory（喷气推进实验室）；Purdue University（普渡大学）；University of California, Irvine（加州大学尔湾分校）；University of Virginia（弗吉尼亚大学）；Shizuoka University（静冈大学）
本文研究如何通过统计小震数据预测本地大震概率，利用Gutenberg-Richter关系计算超前概率，方法在时间跨度增大时表现更优，经UCERF3验证并应用于洛杉矶周边区域。
2026-04-28 physics.comp-ph physics.geo-ph physics.soc-ph
Residual analysis methods for space--time point processes with applications to earthquake forecast models in California
现代，强大的技术的残差分析的时空点过程模型进行了审查和比较。这些方法被应用到加州地震预测模型中使用的地震可预测性研究合作实验室（CSEP）。这些地震预测模型的评估以前已经使用简单的，低功耗的手段，如L-测试和N-测试。相反，我们提出了基于重新缩放，细化，叠加，加权K函数和偏差残差的残差方法。重缩放残差可用于评估模型的总体拟合，但与细化和叠加一样，当条件强度$λ$不稳定时，重缩放通常不切实际。虽然残余细化和叠加可能有助于识别模型拟合不佳的空间位置，但当建模的条件强度假设在观测区域的某个地方极低或极高时，这些方法的能力有限，这通常是地震预测模型的情况。最近提出的细化和叠加的混合方法，称为超细化，是一个更强大的替代方案。
2012-02-29 physics.geo-ph stat.AP
Scaling Laws in Earthquake Memory for Interevent Times and Distances
在过去几十年中，人们为了解和预测自然灾害作出了大量努力。然而，地震预报技术仍然非常有限，仍然是一个巨大的科学挑战。地震的可预测性有限，部分原因是地震的不稳定性，部分原因是对地震的基本机制缺乏了解。为了提高我们的理解和潜在的预测能力，在这里我们使用滞后条件概率研究了一定震级以上地震的空间和时间长期记忆。我们发现，在实际数据中，滞后的条件概率表现出长期记忆的interevent时间和interevent的距离和记忆功能服从缩放和衰减缓慢随时间的推移，而在一个特征时间，衰减crossover到一个快速衰减。我们还表明，ETAS模型，这是经常被用来预测地震事件，产生的时间和空间的间隔与实际数据不一致的标度函数。
2019-10-07 physics.geo-ph physics.soc-ph
Machine Learning Predicts Laboratory Earthquakes
预测断层破坏是地震科学中一个基本但难以实现的目标。在这里，我们表明，通过倾听实验室故障发出的声学信号，机器学习可以非常准确地预测故障发生前的剩余时间。这些预测仅基于声信号的瞬时物理特性，而不利用其历史。令人惊讶的是，机器学习识别出了从断层带发出的信号，这种信号以前被认为是低振幅噪声，可以在整个实验室地震周期中进行故障预测。我们假设，将这种方法应用于连续的地震资料可能会导致识别目前未知的信号，在提供新的见解故障物理，并在放置边界故障时间的显着进步。
2017-02-19 physics.geo-ph
Forecasting characteristic earthquakes in a minimalist model
使用误差图，我们量化的预测特征地震发生在最近推出的最低限度的模型。最初，我们在特征事件发生后的固定时间连接地震警报。这种策略的评估导致损失函数的一维数值探索。第一个策略，然后通过考虑模型的地震周期的分类，根据存在或不存在的一些因素有关的周期中观察到的地震活动进行细化。从统计学上讲，这些因素扩大或缩短了周期的长度。在预测过程中，这些因素的影响的独立评估导致二维数值探索。最后，作为细化过程中的第三个渐进步骤，我们将这些因素结合起来，进行三维探索。损失函数的最终改进约为8.5%。
2003-07-30 physics.comp-ph physics.geo-ph
EarthquakeNPP: A Benchmark for Earthquake Forecasting with Neural Point Processes
EarthquakeNPP是一个用于地震预测的神经点过程基准测试平台，通过标准化现有资源评估NPPs与ETAS模型的性能，发现NPPs尚未在实际应用中优于ETAS模型。
2026-03-10 cs.LG physics.geo-ph stat.AP
Design and Implementation of a 25-Yr Pseudoprospective Earthquake Forecasting Experiment in China (AoyuX)
School of Systems Science, Beijing Normal University（北京师范大学系统科学学院）；International Academic Center of Complex Systems, Beijing Normal University（北京师范大学复杂系统国际学术中心）；Department of Systems Science, Faculty of Arts and Sciences, Beijing Normal University（北京师范大学文理学院系统科学系）
本文提出了一种基于AoyuX平台的25年伪前瞻性地震预测实验，通过比较ETAS模型变体在不同空间分辨率和震级阈值下的表现，评估了尾部敏感性对模型排名的影响，并量化了生产力指数。
2026-10-14 physics.geo-ph
A positive answer on the existence of correlations between positive earthquake magnitude differences
针对地震震级相关性受目录不完整性阻碍的问题，采用新策略证明了后续正震级差间存在相关性，结果与 Gutenberg-Richter 定律中随时间变化的 b 值一致，显著增强了现有地震预测模型。
2024-04-24 physics.geo-ph
Earthquake Forecast via Neutrino Tomography
本文讨论了用（反）中微子层析成像技术预报地震的可能性。从反应堆中释放出的反中微子被用作探测器。当反中微子穿过一个容易发生地震的区域时，物质对反中微子振荡的影响的可观测变化将提供该区域附近的层析成像。在这一初步工作中，我们采用了一个简化模型的几何轮廓和物质密度在一个断层带。本文计算了在断层带地质区，当电子异常积累时和不异常积累时电子反中微子的生存概率，发现反应堆发射的$\bar ν_e$的变化可达3%。的情况下，$ν_e$束从中微子工厂也进行了调查，并指出，由于通常的高能量与这样的中微子，振荡长度太大，所产生的变化实际上是不可观察的。我们的结论是，在现有的反应堆设施和检测技术，它仍然是一个困难的任务，使地震预报使用这样的方案，虽然它似乎是可能的，从理论上的角度来看，忽略一些不确定性。但随着地质学的发展，特别是对断裂带的认识，以及探测技术的提高等，中期地震预报有望实现。
2011-03-29 hep-ph physics.geo-ph
Is Seismic Forecasting Possible with Physics-based AI?
CSIRO（联邦科学与工业研究组织）；Duke University（杜克大学）
本研究结合物理机制与AI辅助流形检测，采用基于物理的吸引子，成功提前一周预测新西兰希库兰吉海沟地震，可预测性极限达5-6周，证明基于物理的地震预测可行。
2026-09-01 physics.geo-ph
Earthquake Aftershock Forecasting using Conditional Generative Models
Department of Earth and Planetary Science, University of California, Berkeley（加州大学伯克利分校地球与行星科学系）；Berkeley Seismological Laboratory, University of California, Berkeley（加州大学伯克利分校伯克利地震实验室）
研究地震余震预测问题，提出将其重塑为条件生成时空场，开发QuakeGen扩散模型，该模型在全球序列和每日预测上表现优于现有方法，有望更准确地预测地震序列时空演变。
2026-07-28 physics.comp-ph physics.geo-ph
Magnitude Uncertainties Impact Seismic Rate Estimates, Forecasts and Predictability Experiments
地震可预报性研究合作实验室（CSEP）旨在前瞻性地测试与时间相关的地震概率预测与观测的一致性。为了竞争，时间相关的地震活动性模型在地震目录数据上进行了校准。但是星表包含了很多观测上的不确定性。我们研究的影响幅度的不确定性率估计聚类模型，对他们的预测和评价CSEP的一致性检验。首先，我们量化了不确定性。我们发现，震级不确定性是更重尾比高斯，如双边指数分布，尺度参数nu_c=0.1 - 0.3。其次，我们研究了这种噪声的影响，一个简单的聚类模型，捕捉流行的短期模型的主要成分的预测。我们证明了噪声预报与精确预报的偏差服从尾幂律分布，指数α =1/（a*nu_c），其中a是余震生产率定律的指数。我们进一步证明，波动的典型规模仍然敏感地依赖于特定的目录。第三，我们研究了如何在CSEP一致性测试中评估噪声预测。对于给定的置信限，噪声预测比预期更频繁地被拒绝。泊松假设的一致性检验是不充分的短期预测评估。为了捕捉每个模型的特性以及任何传播的不确定性，预测需要指定地震率的整个似然分布。
2007-10-23 physics.geo-ph
Deep learning for laboratory earthquake prediction and autoregressive forecasting of fault zone stress
Università La Sapienza（罗马第一大学）；The Pennsylvania State University（宾夕法尼亚州立大学）
地震预报和预测有很长的历史，在某些情况下是肮脏的，但最近的工作重新点燃了兴趣的基础上，在早期预警，诱发地震活动的危险评估和实验室地震的成功预测。在实验室中，摩擦粘滑事件提供了地震和地震周期的模拟。Labquakes是机器学习（ML）的理想目标，因为它们可以在受控条件下以长序列产生。最近的工作表明，ML可以预测的几个方面的实验室地震断层带声发射。在这里，我们概括了这些结果，并探索了用于地震预测和自回归（AR）预测的深度学习（DL）方法。DL改进了现有的实验室地震预测的ML方法。AR方法允许通过迭代预测来预测未来的水平。我们证明了基于长短期记忆（LSTM）和卷积神经网络的DL模型在几种条件下预测了实验室地震，并且可以逼真地预测断层带应力，证实了声能是断层带应力的指纹。我们还预测时间开始失败（TTsF）和时间结束失败（TTeF）的labquakes。有趣的是，TTeF是成功地预测在所有的地震周期，而TTsF的预测与地震前断层蠕动的量而异。我们使用三种序列建模框架：LSTM，时间卷积网络和Transformer网络，报告了预测断层应力演化的AR方法。AR预测与现有的预报模式不同，现有的预测模式仅预测特定时间的目标变量。对单一地震周期以外的预测结果是有限的，但令人鼓舞。我们的ML/DL模型优于国家的最先进的，我们的自回归模型代表了一种新的框架，可以提高目前的地震预报的方法。
2022-10-12 cs.CV physics.geo-ph
Physics-Based Seismic Hazard and Risk Assessment: A New Paradigm for Earthquake Forecasting
Institute of Risk Analysis, Prediction and Management (Risks-X), Academy for Advanced Interdisciplinary Studies, Southern University of Science and Technology (SUSTech)（南方科技大学高等交叉研究院风险、预测与管理研究所）；Istituto Nazionale di Geofisica e Vulcanologia (INGV)（意大利国家地球物理学与火山学研究所）
本文提出SHARP框架，通过量化模型与物理约束的距离，改进地震危险评估中的epistemic不确定性处理。
2026-02-28 physics.geo-ph
WaveCastNet: Rapid Wavefield Forecasting for Earthquake Early Warning via Deep Sequence to Sequence Learning
WaveCastNet通过卷积长表达记忆与序列到序列框架，高效预测高维波场，参数少、推理快，泛化优于Transformer，无需震级震中估计，可实时预警破坏性地震。
2025-10-26 cs.LG physics.geo-ph
Natural Time, Nowcasting and the Physics of Earthquakes: Estimation of Seismic Risk to Global Megacities
本文介绍了利用自然时间的思想，提出了一种新的方法来表征地震危险性的世界主要城市的地震危险性。而不是专注于预测，这是未来事件的概率计算，我们定义的术语地震临近预报，这是在一个特定的地理区域的地震危险的当前状态的计算。
2017-09-28 physics.geo-ph
Testing long-term earthquake forecasts: likelihood methods and error diagrams
我们提出了一种新的方法来测试的有效性的空间点过程预测的基础上的对数似然得分预测点密度和信息增益的事件，实际上发生在测试期间。该方法在很大程度上避免了模拟使用，并允许我们计算每个事件或事件集的信息得分以及每个预测的标准误差。随着预测事件数量的增加，分数分布接近高斯定律。其与高斯分布的相似程度可以通过计算偏度和峰度系数来衡量。为了显示预测的点密度和点事件，我们使用事件集中图或误差图（ED）的变体。我们证明了该方法的应用，使用我们的长期预测的地震活动在两个西太平洋地区。我们比较ED为这些地区的简化图的基础上两段近似。由于这些地区的地震集中在狭窄的俯冲带，使用预测密度作为模板或基线的ED是一个更方便的显示技术。我们还表明，使用模拟事件发生，一些建议的标准，用于测量预测有效性在ED将强烈偏小的事件数。
2008-06-17 physics.data-an physics.geo-ph
On the Imminent Regional Seismic Activity Forecasting Using INTERMAGNET and Sun-Moon Tide Code Data
本文提出了一种利用地磁和固体潮资料进行区域地震活动性短临预报的方法。地震活动性的时间周期是潮汐矢量模的日均值在日月极值附近的时间周期。为了分析地磁数据行为，我们使用地磁矢量分量F的日标准差来计算时间方差Geomag信号。通过使用每日A指数（由NOAA发布）的数据来避免太阳风暴的影响。用于预测未来区域地震活动性的前兆信号是当前和前一天的地磁信号和A指数值的简单函数。本文通过对预报地震与发震时间日差的统计分析，论证了地磁区域前兆的可靠性。分析的基础是一个自然的假设，即预测地震是监测点的表面能密度大于同时期、同区域所有发生地震的能量密度的地震。使用位于保加利亚、Panagurishte、PAG的INTERMAGNET台站数据对该方法的可靠性进行了测试（Jan 1，2008-Jan 29，2014），罗马尼亚，Surlari，SUA（Jan 1，2008-Jan 27，2014），Italy，L'Aquila，AQU（Jan 1，2008-May 30，2013）in the time of EU IRSES BlackSeaHazNet（2011-2014）project.简要介绍了解决何时、何地、如何进行地震预测问题的程序步骤。
2016-08-05 physics.geo-ph
Systematic procedural and sensitivity analysis of the pattern informatics method for forecasting large (M > 5) earthquake events in southern California
文献中最近的研究引入了一种新的地震预报方法，该方法基于用实值Hilbert空间中与时间相关的系统状态向量来表示局部地震活动的时空图案，并从状态向量的相位角推导出有关未来时空波动的信息。虽然这种模式信息学（PI）方法的成功率令人鼓舞，但该方法仍处于起步阶段。程序分析、统计检验、参数敏感性调查和优化都需要进行。在本文中，我们试图优化PI的方法，通过开发定量值的“预测良好性”和分析可能的变化，在拟议的程序。此外，我们试图量化的输入目录的历史数据的质量的系统依赖性，并开发方法，从不同的地震率的地区的目录相结合。
2005-08-22 physics.data-an physics.geo-ph
Modeling the Asymptotic Behavior of Higher-Order Aftershocks with Deep Learning
本文提出用深度神经网络学习高阶余震速率的渐近行为，替代传统模拟方法，在保持精度的同时大幅提升计算速度并增强鲁棒性，实现近实时地震预测。
2024-01-11 physics.geo-ph
