通过神经网络加速实现大型黏弹性计算
P.M.R.DeVries
T.B.Thompson
B.J.Meade
李帛珊
唐丽华
孙燕萍
1.新疆维吾尔自治区地震局2.新疆维吾尔自治区地震局3.新疆维吾尔自治区地震局4.新疆维吾尔自治区地震局5.新疆维吾尔自治区地震局6.新疆维吾尔自治区地震局
摘要：认识重复地震周期活动的影响,其最大的挑战之一是大尺度的黏弹性地震周期模型的计算成本.对于计算密集型黏弹性代码,须在数以千计的时间和位置点上进行评估.因此,研究趋向于采用几个固定的流变结构和模型几何结构,考查所预测的大震后短时间(小于10年)内给定深度处不同时间的形变.训练一个深层神经网络来学习黏弹性解在任意时间、位置和大范围流变结构计算效率的表示,可快速且可靠地完成计算,并具有较高时空分辨率.结果 表明,该机器学习方法可以将黏弹性计算速度提高50 000％以上.这种加速量级将使得在更大的模型参数范围内、在比以前更大的时空尺度上和数千个地震周期内,模拟几何结构复杂的断层成为可能.
机标关键词：
资助基金：本译文由中国地震局地震科技星火计划(XH19051)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 433-441 )