A novel tree-based algorithm to discover seismic patterns in earthquake catalogs

یک روش جدید در این تحقیق برای شناسایی پیشکسل های لرزه ای معرفی شده است. بر اساس رویکرد موجود، روش جدید برای الگوها در داده های تاریخی جستجو می کند. چنین الگوهای ممکن است شامل اطلاعات آماری یا پویایی خاک باشد. این نسخه اصلی را در چندین جنبه بهبود می بخشد. اول، شاخص های لرزه ای جدید برای توصیف زمین لرزه ها استفاده شده است. دوم، یک الگوریتم خوشه بندی یادگیری ماشین با استفاده از روش بسیار انعطاف پذیری، به این ترتیب امکان کشف گروه بندی داده های جدید را فراهم می کند. سوم، یک استراتژی جستجوی جدید برای ارائه الگوهای غیر همپوشانی پیشنهاد شده است. و، چهارم، طول دلخواه الگوها جستجو می شود، بنابراین کشف رفتارهای بلند مدت و کوتاه مدت که ممکن است در وقوع زلزله های متوسط ​​متوسط ​​تاثیر گذار باشد. روش شناسی به 7 مجموعه داده های مختلف از سه منطقه مختلف، یعنی شبه جزیره ایبرین، شیلی و ژاپن اعمال شده است. نتایج گزارش شده نشان می دهد که بهبود قابل ملاحظه ای نسبت به نسخه قبلی، از نظر تمام اقدامات ارزیابی کیفی است. به طور خاص، تعداد مثبت کاذب کاهش یافته و ارزش پیش بینی مثبت افزایش یافته است، هر دو آنها به شیوه بسیار قابل توجه است.