基于时间LightGBM模型的地震震级时序预测方法及验证

摘要

震级预测是地震预测中重要且困难的研究内容之一。可通过预测震级大小，可提高震后救援效率和降低地震灾害损失。文章通过对历史地震目录数据（时间范围：1900—2024年，空间范围：5°～50°N、55°～150°E,震级范围：M5及以上）进行预处理和特征参数筛选，构建基于轻量级梯度提升机（LightGBM）的震级预测模型；然后对长短记忆神经网络（LSTM）、随机森林（RF）、图卷积网络（GCN）+门控循环单元（GRU）组合时序图卷积网络模型（T-GCN）、支持向量回归（SVR）和LightGBM等五种模型的试验结果对比分析。结果表明，LightGBM方法能够很好地拟合地震震级的变化趋势，其均方根误差（RMSE）值和平均绝对误差值（MAE）分别为0.101和0.100,均小于其他四种模型，决定系数值（R²）为0.707,均高于其他模型结果误差明显优于其他四种。该方法模型为应用地震震级特征进行地震预测提供了较好的思路。

关键词

机器学习 / LightGBM模型 / 时空演化 / 地震预测