固体地球科学中基于数据驱动发现的机器学习

• 作者: G.C.Beroza K.J.Bergen M.V.de Hoop P.A.Johnson 张永刚 张美玲 杜秋男 高东辉
• 来源期刊: 世界地震译丛
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 综述
• 页码范围: 1-21
• 页数: 21页
• 字数: 16362字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3238.2020.01.001

摘要

通过固体地球科学各个领域了解地球运转状态是一项日益重要的任务.了解地球运行状态所需的复杂的环境、相互作用和多尺度的过程使它具有挑战性,同时,几乎所有地球的地下都难以直接观测,这也是具有挑战性的原因.数据可用性的大幅增加和计算机模拟越来越逼真的特点给加快进展带来了希望,但是,基于这些功能的加深了解本身就具有挑战性.机器学习将在这一努力中发挥关键作用.我们综述该领域的现状,并就如何扩大和加快进展提出了建议.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永刚		41	83	5.0	8.0
2	张美玲		32	84	4.0	8.0
3	杜秋男		7	3	1.0	1.0
4	高东辉		16	48	4.0	6.0
5	K.J.Bergen		1	0	0.0	0.0
6	P.A.Johnson		1	0	0.0	0.0
7	M.V.de Hoop		1	0	0.0	0.0
8	G.C.Beroza		1	0	0.0	0.0