Key points are not available for this paper at this time.
요약 대규모 지진에 의해 발생하는 해저 변위로 인한 쓰나미는 해안 지역 사회에 비극적인 결과를 초래할 수 있습니다. 동시 이온권 교란(CIDs)의 측정은 지진의 쓰나미 잠재력을 거의 실시간(NRT)으로 특성화하기 위한 독특한 솔루션을 제공합니다. CIDs는 지진 이벤트 발생 후 15분 이내에 탐지될 수 있기 때문입니다. 그러나 CIDs의 탐지는 인간 전문가에게 의존하므로 현재 NRT에서 이온권 방법의 배치를 방해하고 있습니다. 이 중요한 자동 절차의 부족을 해결하기 위해, 우리는 (1) 이온권 파형을 CIDs와 잡음으로 분류하고, (2) CID 도착 시간을 선택하고, (3) NRT에서 위성 네트워크를 통한 도착을 연관시키는 기계 학습 기반의 프레임워크를 설계했습니다. 광범위한 이온권 파형 데이터 세트로 훈련된 기계 학습 모델(랜덤 포레스트)은 기존 탐지 절차와 비교하여 우수한 분류 및 도착 시간 선택 성능을 보여줘, 이온권에서 지표 변위를 NRT로 이미징하는 길을 열어줍니다.
Brissaud et al. (목,)은 이 문제를 연구했습니다.