深度学习预测GPS时间序列在探索门源Ms6.4地震前兆中的应用

• 作者: 余小燕 尹玲 梁诗明 胡向阳 陈善鹏
• 来源期刊: 大地测量与地球动力学
• 学科: 地球科学
• 关键词: 门源地震 GPS时间序列 LSTM神经网络 前兆异常
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 地震地质
• 页码范围: 1248-1253
• 页数: 6页
• 分类号: P315
• 语种: 中文
• DOI: 10.14075/j.jgg.2020.12.008

摘要

以2016-01-21门源Ms6.4地震为例,提出用深度学习预测的GPS时间序列研究地震前兆.用震中附近门源台(QHME)、民乐台(GSML)及古浪台(GSGL)无震时的GPS时间序列训练LSTM神经网络,得到高精度的GPS时间序列预测模型,再分别对该地区无震时和地震前一段时间的GPS时间序列进行回溯性预测.对比预测时间序列与真实时间序列发现,震前2条时间序列大部分的相似性指标比无震时低,说明震前预测时间序列与真实时间序列差异明显,同时考虑震前时间序列的趋势异常,认为出现了异常时段;3个台站分别在E、N、U方向出现多个异常日期,且不同台站具有相同的异常日期,说明探索到了地震前兆.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁诗明		12	44	3.0	6.0
2	陈善鹏		1	0	0.0	0.0
3	尹玲		1	0	0.0	0.0
4	胡向阳		1	0	0.0	0.0
5	余小燕		1	0	0.0	0.0