一种以前兆为主体的概率分解混合地震预测模型

1.本发明涉及一种以前兆为主体的概率分解混合地震预测模型，本发明是一种结合统计地震与前兆研究预测模型，能够较好预测时空单元地震发生概率，为前兆预测的业务化应用提供依据与参考。


背景技术：

2.以往的地震预测模型，统计地震学与地震前兆模型是两个相对独立的分支，前者是通过研究和描述主震和余震的时空分布以及数量关系预估地震，而后者则是研究震源形成及演变过程中，大范围区域应力场在众多敏感点显示的物理、化学异常现象。
3.基于统计地震学的地震预测预报研究，seismic alarms研究是基于一个假设即过去地震震级和空间分布揭示了未来地震发生位置、震级和频度。常见的统计地震学的地震预测模型有epidemic type aftershock sequence(etas)model、simple smoothed seismicity model、以及基于relative intensity(ri)的地震预测模型等，其中etas模型已被证明是地震预测能力最强的统计地震模型之一。统计地震学模型十分依赖于地震目录的观测精度和完整性，对于少震地区的大震强震预测(例如唐山地震)能力十分有限。
4.在前兆研究领域，部分研究对不同震例需要设置不同参数与判断条件以满足“异常和地震相关”的研究目的。而热异常研究大多还是经验性震例研究，热异常提取、热异常与地震关系判断主观性大，且尚无为学界广泛接受的热异常形成理论，也无证明热异常与地震关系的统计证据。
5.针对上述问题，基于统计地震学模型所给出的概率预测，结合前兆预警时空域，本发明涉及的以前兆为主体的概率分解混合地震预测模型，可为当前地震预测方法解决地震统计学与地震前兆相互独立的现状，是一种上述领域结合方式的参考，提供了一种更稳定且有效的地震预测模型


技术实现要素：

6.针对当前地震预测领域，统计地震学与地震前兆研究相互独立，本发明提出了一种以前兆为主体的概率分解混合地震预测模型，可为上述统计地震学与地震前兆研究的结合提供参考，同时为地震预测提供一种新思路与方法。
7.本发明的目的通过以下步骤技术实现：
8.步骤1)通过构建监测时空域(monitoring space-time volume,mstv)的方式，获取研究子区域内的地震与热异常的显著响应关系，计算目标区域内的警报成功率、事件漏报率等指标；
9.步骤2)将步骤1)所给出的时空单元地震概率作为参考，将单次预警总时空域地震发生概率警报成功率分解到各个时空单元中，而未被前兆预警的时空域地震发生概率则为0，最后构建混合模型概率预测，并进行模型评估。
10.进一步，所述步骤1)的具体方法为：
11.a)监测时空域的构建方式如附图2所示，中间像元为目标子区域，对于不存在热异常的第1天，监测时空域是一个以子区域为中心，边长为2*d+1的正方形，而d则是tdm窗口中的距离参数。而对于存在热异常的第i天，监测时空域则是该热异常的预警范围。b)警报成功率计算，如附图2，有一个热异常tiran发生在第i和i+1天，λ是该组热异常的警报成功率，此时预测者做出一个预报：在接下来t天内，至少会有一个地震发生在阴影区域。假设每个时空单元发生地震的概率相互独立，则警报成功计算如下式：
[0012][0013]
atsv
n，i
是tiran在第i天预警的时空域，而p
n,i
(x,y)则是至少有一个地震在接下来t天内发生在空间单元(x,y)内的概率，(1-p
n,i
(x,y))是无地震发生的概率。
[0014]
该方法可以考虑到热异常产生后主要通过热对流的形式在近地表扩散，而当地的湿度、气压及其他气象因子则会影响热异常扩散过程，因此建立了具有空间各异特性的时空域监测方式。
[0015]
进一步，所述步骤2)的具体方法为：
[0016]
从统计地震学的角度看，地震更偏向于发生在历史地震频繁的区域，因此基于步骤1)可以得到：
[0017]
p
n,i
(x,y)＝χ
n,i
*ω(x,y)
[0018]
ω(x,y)为统计地震模型所给出的概率,参考模型ω(x,y)为relative intensity或epidemic type aftershock sequence(etas)模型,最后可以求解出每个时空域发生地震概率p
n,i
(x,y)。
[0019]
该方法将各个子区域的概率警报成功率分解到各个时空单元，在参考模型的基础上，求解出每个时空域的地震发生概率，既考虑子区域的时空差异性，又结合了统计地震学的模型，为地震预测提供一种结合的方法。
附图说明
[0020]
图1为发明整体思路
[0021]
图2为监测时空域示例
具体实施方式
[0022]
下面结合附图对本发明“一种以前兆为主体的概率分解混合地震预测模型”作进一步阐述说明。
[0023]
本发明所涉及的“一种以前兆为主体的概率分解混合地震预测模型”是结合统计地震学与地震前兆研究的重要技术创新,其中，以前兆为主体的分解是结合了统计地震学的预测模型与前兆研究的时空域重要方法，为地震预测提供一种新思路。
[0024]
概率预测模型的预测要素是震级窗口m、时间窗口t和地震数量t，即某时空单元(x,y)在未来t天内，会发生震级≥m的地震n个的概率。
[0025]
(一)mt窗口训练
[0026]
要对每一个不同的mt窗口，训练得到相应的最优参数用于提取热异常，以满足混合模型的概率预测需求。
[0027]
(二)模型预测
[0028]
在得到了不同mt窗口的热异常提取模型后，分别以etas或者ri作为混合模型中的统计地震学模型，构建混合模型概率预测，并用赌徒分数(gambling score)对模型进行评估，若分数为正，且该混合模型有效且优于gambling score的参考模型。


技术特征：
1.一种以前兆为主体的概率分解混合地震预测模型，该方法包括如下步骤：步骤1)通过构建监测时空域(monitoring space-time volume,mstv)的方式，获取研究子区域内的地震与热异常的显著响应关系，计算目标区域内的警报成功率、事件漏报率等指标；步骤2)将步骤1)所给出的时空单元地震概率作为参考，将单次预警总时空域地震发生概率警报成功率分解到各个时空单元中，而未被前兆预警的时空域地震发生概率则为0，最后构建混合模型概率预测，并进行模型评估。2.如权利要求书1所述的方法，其特征在于，所述步骤1)的具体方法为：a)监测时空域的构建方式如附图2所示，中间像元为目标子区域，对于不存在热异常的第1天，监测时空域是一个以子区域为中心，边长为2*d+1的正方形，而d则是tdm窗口中的距离参数。而对于存在热异常的第i天，监测时空域则是该热异常的预警范围。b)警报成功率计算，如附图2，有一个热异常tira
n
发生在第i和i+1天，∧是该组热异常的警报成功率，此时预测者做出一个预报：在接下来t天内，至少会有一个地震发生在阴影区域。假设每个时空单元发生地震的概率相互独立，则警报成功计算如下式：atsv
n,i
是tira
n
在第i天预警的时空域，而p
n,i
(x,y)则是至少有一个地震在接下来t天内发生在空间单元(x,y)内的概率，(1-p
n,i
(x,y))是无地震发生的概率。该方法可以考虑到热异常产生后主要通过热对流的形式在近地表扩散，而当地的湿度、气压及其他气象因子则会影响热异常扩散过程，因此建立了具有空间各异特性的时空域监测方式。3.如权利要求书1所述的方法，其特征在于，所述步骤2)的具体方法为：a)从统计地震学的角度看，地震更偏向于发生在历史地震频繁的区域，因此基于步骤1)可以得到：p
n,i
(x,y)＝χ
n,i
*ω(x,y)ω(x,y)为统计地震模型所给出的概率,参考模型ω(x,y)为relative intensity或epidemic type aftershock sequence(etas)模型,最后可以求解出每个时空域发生地震概率p
n,i
(x,y)。该方法将各个子区域的概率警报成功率分解到各个时空单元，在参考模型的基础上，求解出每个时空域的地震发生概率，既考虑子区域的时空差异性，又结合了统计地震学的模型，为地震预测提供一种结合的方法。

技术总结
针对基于前兆的地震预测业务化差，现有地震预测模型性能有限问题，本发明公开了一种以前兆为主体的概率分解混合地震预测模型，该模型包括如下步骤：步骤1)步骤1)通过构建监测时空域(monitoring space-time volume,MSTV)的方式，获取研究子区域内的地震与热异常的显著响应关系，计算目标区域内的警报成功率、事件漏报率等指标；步骤2)将步骤1)所给出的时空单元地震概率作为参考，将单次预警总时空域地震发生概率警报成功率分解到各个时空单元中，而未被前兆预警的时空域地震发生概率则为0，最后构建混合模型概率预测，并进行模型评估。并进行模型评估。并进行模型评估。


技术研发人员：孟庆岩 张颖 张琳琳 吴鹏程
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2021.10.22
技术公布日：2022/1/21