数学模型助力地震前兆预警 华南理工大学科研团队在PNAS发表最新成果
近日,国际著名学术期刊《美国科学院院报》(Proceedings of the National Academy of Sciences of the United States of America,PNAS)发表了题为“Earthquake alerting based on spatial geodetic data by spatiotemporal information transformation learning”的研究成果,提出了一种在地震灾害监测领域具有参考价值的科学方法。
该成果的第一署名单位为华南理工大学,共同通讯作者为华南理工大学数学学院刘锐教授、陈培副教授和中国科学院的陈洛南教授,第一、二作者是华南理工大学数学学院2021级博士研究生童宇燕、洪仁豪,合作者包括日本东京大学的Kazuyuki Aihara教授等。
在众多自然现象中,系统在短时间内发生的状态临界变化(即从一个稳态变成另一个稳态)是一种重要的动力学现象,有时会导致灾难性的后果(例如地震、疾病恶化等)。探测系统状态发生临界变化的预警信号已经成为各个自然科学领域的重要问题。
RSIT可以把高维空间信息转换为一维变量的时间信息
通过求解该方程组,可获得目标变量的预测值或隐变量的动力学特征,即临界不一致信号或临界波动信号,从而实现系统状态的突变预警。
RSIT方法的实际预警应用
该研究成果可应用在地震灾害监测等领域。
已有的地质学研究表明,地壳的局部变形可能是地震的前兆信号。地壳活动具有非常复杂的、时变的动力学机制,而且地质活动数据有高维、噪声较大的特征。由于RSIT自动储备池神经网络的结构,其计算复杂度较小,可以应用于实时分析的高维地质观测数据(GNSS),以监测地壳局部形变的地震前兆信号。
研究团队将RSIT应用于分析五个地震高风险地区最近6-8年间的GNSS高维观测数据,包括中国四川省、日本茨城县、日本北海道、日本宫城县以及美国阿拉斯加。应用结果表明,基于“临界预测不准性”及“临界波动性”的RSIT对强震的前兆信号敏感(TPR80%、FPR0.98%),所探测的预警信号精度优于现有的10种方法,证明该方法在地震灾害监测领域具有参考价值。
该研究得到了国家自然科学基金和广东省数字孪生人重点实验室的经费支持。
《PNAS》简介
《美国科学院院报》于1914年创立,是美国国家科学院的院刊,也是与Nature、Science、Cell齐名的世界上被引最多的综合性、跨学科连续出版物之一。该刊物主要刊载世界尖端的研究报告、学术评论、学科回顾及前瞻、观点展示、学术论文以及美国科学院学术动态报道等,所涵盖学科领域主要为生命科学、自然科学、社会科学。
https://doi.org/10.1073/pnas.2302275120
数学学院计算生物学研究团队介绍华南理工大学数学学院计算生物研究团队主要在数据挖掘与分析、时间序列分析与预测、复杂生物过程的临界点分析与预警、生物分子网络的推断与分析等方面发展数学理论与计算方法。
刘锐,数学学院教授,博士生导师,国家青年人才计划入选者。现任广东省数字孪生人重点实验室副主任。主要在复杂非线性系统的临界点分析与预警方向开展研究。曾获上海市自然科学一等奖、广东省自然科学二等奖。
陈培,数学学院副教授,现主持国家自然科学基金委优秀青年基金。主要在人工智能算法、时间序列分析与预测等方向开展研究。
华南理工大学 学生记者团
图文:数学学院
微信编辑:鲍恩 徐培木
初审:鲍恩
二审:卢庆雷
终审:邹浩
华工原创,版权所有
若需转载,敬请联络
邮箱:hgxcb@scut.edu.cn
◇华南理工大学召开学习贯彻习近平新时代中国特色社会主义思想主题教育总结会
◇奋进青春 逐梦华园 华南理工大学举行2023级新生开学典礼
“分享”“点赞”“在看”,记得一键三连哦