الملخص يظل التنبؤ بتسلسل الزلازل تحديًا مركزيًا في علم الزلازل، لا سيما تحت ظروف غير ثابتة. رغم أن نماذج التعلم العميق أظهرت وعودًا، إلا أن قدرتها على التعميم عبر الزمن تبقى غير مفهومة جيدًا. نقيم نماذج العصبونات الشبكية والهجينة (NN + ماركوف) للتنبؤ القصير الأمد بالزلازل باستخدام كتالوج إقليمي عبر التحقق المتداخل المصنف زمنيًا. تُدرّب النماذج على أجزاء سابقة من الكتالوج وتُقيّم على أحداث مستقبلية غير مرئية، مما يتيح تقييمًا واقعيًا للتعميم الزمني. نجد أنه رغم تفوق هذه النماذج على نموذج ماركوف بحت في بيانات التحقق، تتدهور أداؤها الاختباري بشكل ملحوظ في الخُمس الأخير من البيانات الحديثة. يكشف تحليل الإسناد التفصيلي عن تحول في أهمية الميزات مع مرور الوقت، مع ظهور بيانات لاحقة تتسم بسلوك أبسط وأكثر توافقًا مع ماركوف. لدعم القابلية للتفسير، نطبق تقنية التدرجات المتكاملة، نوع من الذكاء الاصطناعي القابل للتفسير (XAI) لتحليل كيفية اعتماد النماذج على ميزات الإدخال المختلفة. تبرز هذه النتائج مخاطر الإفراط في التوافق مع أنماط الزلزال المبكرة وتؤكد على أهمية المعايير الزمنية الواقعية. نخلص إلى أن مهارة التنبؤ تعتمد بطبيعتها على الزمن وتستفيد من الجمع بين الفرضيات الفيزيائية والأساليب المستندة إلى البيانات.
درس كوهلر وآخرون (الأربعاء) هذا السؤال.