[论文解读] Earthquake prediction analysis: The M8 algorithm

G. M. Molchan, L. L. Romashkova|arXiv (Cornell University)|May 18, 2010

Earthquake Detection and Analysis参考文献 11被引用 5

一句话总结

本文利用统计框架分析M8地震预测算法，通过(n, tau)误差图评估预测性能，其中n为失败率，tau为归一化警报时间。该研究提出一种方法，以考虑目标事件发生率的不确定性，从而改进随机策略的统计显著性（alpha）和置信区间的估计，并据此对M8算法在严格统计检验下的预测能力进行验证。

ABSTRACT

The quality of space-time earthquake prediction is usually characterized by a two-dimensional error diagram (n,tau), where 'n' is the rate of failures-to-predict and 'tau' is the normalized measure of space-time alarm. The most interesting space measure for analysis of a prediction strategy is the rate of target events m(dg) in a sub-area 'dg'. In this case the quantity H=1-(n+tau) determines the prediction capability of the strategy. The uncertainty of m(dg) causes difficulties in estimating 'H' and the statistical significance, 'alfa', of prediction results. We investigate this problem theoretically and show how the uncertainty of the measure can be taken into account in two situations, viz., the estimation of 'alfa' and the construction of a confidence zone for (n,tau)-parameters of the random strategies. We use our results to analyse the M8 earthquake prediction algorithm.

研究动机与目标

• 为解决在目标事件发生率（m(dg)）不确定时估计地震预测统计显著性（alpha）的挑战。
• 开发一种方法，用于在m(dg)不确定的情况下，构建随机预测策略的(n, tau)参数置信区域。
• 将所开发的统计框架应用于严格、考虑不确定性的方法，评估M8算法的预测性能。
• 通过整合空间事件发生率估计中的不确定性，提高地震预测策略评估的可靠性。
• 为更准确评估如M8这类时空地震预测算法提供理论基础。

提出的方法

• 使用(n, tau)误差图作为评估时空地震预测策略的主要指标。
• 提出一个理论框架，以在子区域dg内考虑目标事件发生率m(dg)的不确定性。
• 将该框架应用于在m(dg)不确定条件下估计预测结果的统计显著性（alpha）。
• 通过整合m(dg)的不确定性，推导出随机策略(n, tau)参数的置信区域。
• 采用概率模型量化m(dg)不确定性对预测能力度量H = 1 - (n + tau)的影响。
• 将推导出的方法应用于M8算法，在现实不确定性条件下评估其性能。

实验结果

研究问题

• RQ1 m(dg)的不确定性如何影响地震预测中统计显著性（alpha）的估计？
• RQ2 m(dg)的不确定性对构建随机预测策略(n, tau)参数置信区间的影晌是什么？
• RQ3 当m(dg)的不确定性得到恰当处理时，M8算法在多大程度上仍保持其预测能力？
• RQ4 能否为地震预测开发一种统计上稳健的评估框架，以纳入空间事件发生率的不确定性？
• RQ5 在m(dg)不确定性下，度量H = 1 - (n + tau)的行为如何？这对评估预测策略有何影响？

主要发现

• m(dg)的不确定性显著影响统计显著性（alpha）的估计，因此评估框架中必须进行校正。
• 所提出的方法即使在m(dg)不确定的情况下，也能有效构建(n, tau)参数的有效置信区域。
• 当m(dg)的不确定性得到恰当处理时，M8算法的预测能力（以H = 1 - (n + tau)衡量）仍具有统计意义。
• 该框架通过整合子区域间目标事件发生率的变异性，提高了(n, tau)评估的可靠性。
• 分析表明，在不确定性感知的统计模型下，M8算法的表现优于随机策略。
• 本研究为更准确、更具说服力地评估时空地震预测算法提供了理论依据。