[论文解读] High Resolution Long- and Short-Term Earthquake Forecasts for California

Maximilian J. Werner, Agnès Helmstetter+2 more|ArXiv.org|Oct 26, 2009

earthquake and tectonic studies参考文献 39被引用 4

一句话总结

本文为加州提出两种高分辨率地震预测模型：一种是基于小震事件（m≥2）的自适应核平滑与负二项计数分布的5年期时间无关模型，用于预测m≥4.95级地震；另一种是基于震级相关触发与欧姆ori-乌茨衰减的时变ETAS模型，用于预测m≥3.95级地震的次日发生概率。短期模型相比长期模型的预测性能提升约6.0倍，显示出显著的预测改进。

ABSTRACT

We present two models for estimating the probabilities of future earthquakes in California, to be tested in the Collaboratory for the Study of Earthquake Predictability (CSEP). The first, time-independent model, modified from Helmstetter et al. (2007), provides five-year forecasts for magnitudes m > 4.95. We show that large quakes occur on average near the locations of small m > 2 events, so that a high-resolution estimate of the spatial distribution of future large quakes is obtained from the locations of the numerous small events. We employ an adaptive spatial kernel of optimized bandwidth and assume a universal, tapered Gutenberg-Richter distribution. In retrospective tests, we show that no Poisson forecast could capture the observed variability. We therefore also test forecasts using a negative binomial distribution for the number of events. We modify existing likelihood-based tests to better evaluate the spatial forecast. Our time-dependent model, an Epidemic Type Aftershock Sequence (ETAS) model modified from Helmstetter et al. (2006), provides next-day forecasts for m > 3.95. The forecasted rate is the sum of a background rate, proportional to our time-independent model, and of the triggered events due to all prior earthquakes. Each earthquake triggers events with a rate that increases exponentially with its magnitude and decays in time according to Omori's law. An isotropic kernel models the spatial density of aftershocks for small (< 5.5) events. For larger quakes, we smooth early aftershocks to forecast later events. We estimate parameters by optimizing retrospective forecasts. Our short-term model realizes a gain of about 6.0 over the time-independent model.

研究动机与目标

• 开发并测试适用于CSEP前瞻性评估的加州高分辨率、概率性地震预测模型。
• 通过采用负二项分布建模地震活动聚集与计数变异，超越泊松假设，改进长期预测。
• 扩展并校准适用于全加州的一天期预测的时变ETAS模型，整合震级相关触发与余震空间平滑。
• 通过将似然性检验修改为基于观测事件数的条件，提升空间分辨率与稳健性，改进空间预测评估。
• 依据截至2009年4月的数据进行回溯性预测优化，评估两种模型在CSEP测试标准下的预测性能。

提出的方法

• 长期模型利用m≥2级地震的自适应空间核平滑，估算m≥4.95级事件的发生概率，采用优化带宽与统一截断的古登堡-里希特震级分布（mc=8.0）。
• 模型以负二项分布替代泊松计数假设，更好地捕捉地震活动的时间变异性，提升与回溯数据的一致性。
• 短期模型为扩展的ETAS模型，其中每次地震触发的余震率随震级呈指数增长，并随时间按欧姆ori定律衰减（u(t) ∝ 1/(c+t)^p）。
• 背景地震活动建模为空间异质的泊松过程，其空间分布源自长期模型，强度由数据估计。
• 对早期余震位置实施空间平滑，以预测后续余震序列，尤其针对较大事件（≤5.5级）。
• 通过回溯性预测性能优化模型参数，并修改基于似然性的检验方法，使其基于观测事件数进行条件化，以提升空间分辨率与灵敏度。

实验结果

研究问题

• RQ1 能否通过m≥2级小震事件的自适应核平滑，提升加州m≥4.95级大震的高分辨率空间预测？
• RQ2 在长期预测中，使用负二项分布建模时间间隔内地震数量，是否比泊松假设更符合实际地震活动？
• RQ3 结合震级相关触发与欧姆ori-乌茨衰减的时变ETAS模型，是否能显著优于时间无关模型，实现更优的一天期预测（m≥3.95）？
• RQ4 将似然性检验基于观测事件数进行条件化，如何提升预测评估的空间分辨率与可靠性？
• RQ5 仅基于历史地震活动的模型，在较长时标上是否优于或可与包含构造或大地测量数据的模型相媲美？

主要发现

• 采用m≥2级事件的自适应核平滑与负二项计数分布的时间无关长期模型，通过了回溯性事件数一致性检验，而原始泊松基预测则未通过。
• 经观测事件数条件化的改进似然性检验，提升了空间分辨率并降低了对事件数波动的敏感性，从而提高了预测评估的准确性。
• 时变ETAS模型在一天期预测中，相比时间无关模型实现了约6.0倍的概率增益，表明其具有强大的预测性能。
• 对早期余震位置进行空间平滑以预测后续余震序列，显著提升了对较大余震序列（尤其≤5.5级事件）的预测效果。
• 在短期模型中，利用m≥2级小震事件预测m≥3.95级地震，效果显著，支持了地震活动聚集是短期危险性关键驱动因素的假设。
• 与基线泊松预测相比，本模型在捕捉时间变异性与聚集性方面表现更优，验证了分支过程在地震预测中的有效性。