2018年のキラウエア火山の3か月にわたる噴火期間中、既存の山頂カルデラは60回以上の準周期的な崩壊事象を経験しました。最後の40回の崩壊事象は、Mw > 5の超長周期地震を引き起こしました。これらの崩壊事象は、局所的に記録されたGPS、傾斜、地震データに基づいて地震発生を予測する方法をテストするための貴重なデータセットを提供します。
本研究では、深層学習のグラフニューラルネットワーク(GNN)を使って、各サイクルの初期データの一部のみを使って、カルデラ崩壊事象の発生時期を予測しました。GNNは未知のデータにも一般化でき、わずか0.5日間のデータを使って発生時期を数時間以内で予測できることがわかりました。これは、過去の発生間隔統計のみに基づく単純なモデルよりも大幅に精度が高いです。予測精度は入力データ長が増えるほど向上し、高SN比の傾斜計データを使うと最も正確になります。合成データに異なるマグマ圧力減衰時間を適用してGNNを訓練すると、ほぼ一定の応力しきい値で崩壊が予測されることがわかりました。これらの結果は、十分にモニタリングされた条件下では、カルデラ崩壊シーケンスの予測可能性を示しており、限られたトレーニングデータでも機械学習手法が地球物理学的予測に有効であることを強調しています。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Ian W. McBre... at arxiv.org 05-01-2024
https://arxiv.org/pdf/2404.19351.pdfDeeper Inquiries