科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于1966—2021年川滇地区225次5级以上地震目录、地震序列目录和历史地震震源机制资料，参考以往研究和震后趋势预测实践经验，构建了10个基于地震观测数据的机器学习序列类型判定特征样本数据集。基于地震序列分类定义，设置多震型、主余型、孤立型三类样本“标签”。对样本进行不均衡处理、对特征参数进行缺失处理后，采用决策树模型对特征参数的重要性进行研究。结果显示：不同时间段特征参数重要性类别有一定差异，随着序列数据资料的增加，序列类型判断更倚重动态的序列数据资料；主震震源机制相关参数和主震参数对序列分类有较高的贡献率，序列参数对序列分类贡献率不高。整体而言，模型给出的结果与实际经验性预报方法较为一致。本文的结果，可以为研究人员如何从繁杂众多的特征参数中筛选、剔除、确定合适的参数提供一定思路。
- 出版日期2023
- 单位中国地震台网中心; 云南省地震局
