搜索结果: 1-4 共查到“地球物理学 机器学习”相关记录4条 . 查询时间(0.508 秒)
电离层行进式扰动(travelling ionospheric disturbances，简称TID)是电离层中等离子体密度的波状扰动现象，波长为百公里量级的TID被称为中尺度电离层行进式扰动（MSTID）。前期研究显示，夜间MSTID具有显著的太阳活动负相关性和西南向传播的特点，但其产生和传播机制尚未得到明确的揭示，需要依托长期数据的进行不同角度和时间尺度的统计分析以深入研究。子午工程兴隆台站通...
中国科大利用机器学习揭示全球中大地震破裂模式（图）
大地震破裂模式 地震能量释放
2022/11/16
中国科学技术大学李泽峰研究员利用机器学习方法，总结了全球3000多个5.5级以上地震的震源时间函数特征，全景式地展示全球地震破裂过程的相似性和多样性，深化了对地震能量释放模式的认识，对地震早期预警具有启示意义。该成果以“A generic model of global earthquake rupture characteristics revealed by machine learning”...
利用复杂机器学习网络实现多元信息融合，日趋广泛地成为开展跨领域复杂系统问题分析的热点研究方向（Watts et al., 1998; Barabási et al., 1999）。美国落基山脉中存在诸多水源集水区，其为科罗拉多河流域提供了约85%的流量，为约4000万人口和两万平方公里的农业用地提供水源。高山系统对全球气候变暖非常敏感，但量化讨论这种气候变化对水源供给的影响却是非常困难的跨领域复杂...
郑文浩等-MPG：基于机器学习的深层碳酸盐岩的测井相划分（图）
机器学习 深层碳酸盐岩 测井
2020/10/13
随着大数据时代的到来，许多数据挖掘算法被广泛使用，它们的优势可概括为：（1）识别数据中的隐藏模式；（2）捕获复杂的非线性关系；（3）自动学习模型；（4）无需定义完整的输入和输出变量之间基于物理的数学关系。在勘探地球物理学中，由于岩石物理响应多解性，使得地球物理数据与地质分类之间存在复杂的非线性关系。