新德里,8月27日(IANS):周二,印度科技部下属的自治研究所——喜马拉雅瓦迪亚地质研究所的一组科学家揭示了机器学习(ML)技术在模拟青藏高原地壳变形方面的应用。
研究小组指出,这些技术帮助他们预测了地壳运动的速度矢量,并增强了板块运动的特征。传统上,地壳形变的连续监测依赖于密集的连续运行参考台网(CORS)。运动模式的GPS测量通常用于强化现有的CORS网络。然而,这些方法不仅费用昂贵,还因后勤问题和区域地理条件而面临挑战。
相对而言,Wadia研究所的科学家们采用了多种机器学习技术,包括支持向量机、决策树和高斯过程回归,以准确模拟地壳运动。在这项研究中,研究小组分析了位于青藏高原及其周边地区的1271个永久性连续和运动模式GPS站的数据。他们使用来自892个站点的数据进行模型训练,并利用来自379个站点的数据进行测试。
研究结果发表在《亚洲地球科学杂志》(Journal of Asian Earth Sciences)上,表明“这些机器学习技术在预测速度矢量(东向速度和北向速度)以及增强板块运动特征方面的有效性”。研究团队指出,预测与实际速度矢量之间的相关性非常令人满意,使得这些机器学习预测模型在估计大地速度矢量方面相当可靠。
此外,基于现有训练模型的数据驱动趋势,科学家们能够输入任意GPS站点的位置,并预测这些位置的东向速度和北向速度。结果显示的模式与从邻近GPS站获得的数据相似。这一研究表明,机器学习算法在大地测量研究领域取得了显著成就。
发表评论