一项基于最小作用量原理与进化机器学习方法对大地震进行重新表述的研究

《IEEE Access》：A Study on Rephrasing Large Earthquakes via the Least Action Principle and Evolving Machine Learning

　　

摘要：

理解大地震（EQs）一直是一项至关重要的任务。机器学习（ML）的最新进展为这一任务提供了帮助，但由于技术限制、对地震生成断层的访问受限以及缺乏用于ML训练的大规模数据集，这些进展仍面临巨大的性能瓶颈。本文提出了一种新方法，将发生地震的岩石圈视为一个混沌系统，并研究哈密顿力学中的最小作用原理（LAP）是否能够揭示大地震发生的潜在可预测性。通过利用由时间和破裂导数定义的抽象空间，本文建立了基于LAP的新特征与大地震之间的潜在因果关系。开发了一个采用并行进化策略的ML框架，以识别从LAP中得出的隐藏规律。该模型使用了过去40年美国西部所有地震的数据进行训练。对历史上的大地震进行的可行性测试表明，其性能优于现有的最先进预测方法。尽管实际应用还需要进一步研究，但这些发现为大地震预测指出了一个新的研究方向，即结合经典物理学和不断发展的ML技术。