Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2505.24412

帮助 | 高级搜索

统计学 > 应用

arXiv:2505.24412 (stat)
[提交于 2025年5月30日 ]

标题: 基于时间尺度的地震预报ETAS模型

标题: A Time-Scaled ETAS Model for Earthquake Forecasting

Authors:Agniva Das, Muralidharan K
摘要: 喜马拉雅地区,特别是尼泊尔,极易受到频繁且强烈的地震活动影响,这凸显了建立强大地震预报模型的紧迫性。 本研究介绍了一组专为尼泊尔地震预测设计的时间尺度化Epidemic-Type Aftershock Sequence(ETAS)模型,利用了2000年至2020年的地震数据。 通过采用替代的时间尺度方法——如校准、比例风险、对数线性和幂时间尺度——这些模型能够捕捉余震微妙的时间模式,从而改善背景事件与触发事件之间的分类。 我们评估了在不同地震震级分布假设(指数、伽马和径向对称)下模型的表现,并使用优化技术,包括Davidon-Fletcher-Powell算法和迭代随机去聚类法。 结果显示,时间尺度化显著提高了模型的可解释性和预测准确性,其中基于ISDM的ETAS模型表现最佳。 这项工作不仅深化了对尼泊尔地震动力学的统计理解,也为在地震活跃地区实施更有效的早期预警系统奠定了基础。
摘要: The Himalayan region, particularly Nepal, is highly susceptible to frequent and severe seismic activity, underscoring the urgent need for robust earthquake forecasting models. This study introduces a suite of time-scaled Epidemic-Type Aftershock Sequence (ETAS) models tailored for earthquake forecasting in Nepal, leveraging seismic data from 2000 to 2020. By incorporating alternative time-scaling approaches - such as calibration, proportional hazards, log-linear, and power time scales - the models capture nuanced temporal patterns of aftershocks, improving event classification between background and triggered occurrences. We evaluate model performance under various assumptions of earthquake magnitude distributions (exponential, gamma, and radially symmetric) and employ optimization techniques including the Davidon-Fletcher-Powell algorithm and Iterative Stochastic De-clustering. The results reveal that time-scaling significantly enhances model interpretability and predictive accuracy, with the ISDM-based ETAS model achieving the best fit. This work not only deepens the statistical understanding of earthquake dynamics in Nepal but also lays a foundation for implementing more effective early warning systems in seismically active regions.
评论: 11页,4个图,已被接受作为Springer资产分析书系的一章发表
主题: 应用 (stat.AP) ; 方法论 (stat.ME)
引用方式: arXiv:2505.24412 [stat.AP]
  (或者 arXiv:2505.24412v1 [stat.AP] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.24412
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Agnvia Das [查看电子邮件]
[v1] 星期五, 2025 年 5 月 30 日 09:51:43 UTC (141 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
stat.AP
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
stat
stat.ME

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号