一种融合注意力机制的CNN-BiLSTM地震预测模型
机器学习
2025-11-04 v1 信号处理
地球物理
摘要
地震作为一种自然现象，历史上持续造成人员伤亡与财产损失。地震预测是任何社会规划中不可或缺的一环，能够显著提升公众防灾准备并大幅减轻灾害损失。然而，由于地震的随机性以及构建高效可靠预测模型的困难，迄今为止相关努力仍显不足，亟需新方法以解决该问题。鉴于此，本文提出一种基于注意力机制（attention mechanism, AM）、卷积神经网络（convolution neural network, CNN）与双向长短期记忆网络（bi-directional long short-term memory, BiLSTM）的新型预测方法，可基于区域地震目录预测中国大陆各区域地震的发生次数与最大震级。该模型利用LSTM与CNN并结合注意力机制，更好地聚焦于有效地震特征，从而产生更精准的预测。首先，采用零阶保持技术对地震数据进行预处理，使模型输入数据更为适宜。其次，为有效利用空间信息并降低输入数据维度，使用CNN捕捉地震数据间的空间依赖关系。再次，采用Bi-LSTM层捕捉时间依赖关系。最后，引入AM层以突出重要特征，从而获得更优预测性能。结果表明，所提方法相较其他预测方法具有更优的性能与泛化能力。
引用
@article{arxiv.2112.13444,
title = {A CNN-BiLSTM Model with Attention Mechanism for Earthquake Prediction},
author = {Parisa Kavianpour and Mohammadreza Kavianpour and Ehsan Jahani and Amin Ramezani},
journal= {arXiv preprint arXiv:2112.13444},
year = {2025}
}