利用可解释 AI 的断层力学广义时间序列分析
地球物理
2025-05-28 v1
摘要
理解断层如何成核与生长是地震科学和灾害评估中的关键问题。本研究通过将时延神经网络 (TDNN) 应用于多参数声发射 (AE) 数据，考察了 Alzo 花岗岩在 5 至 40 MPa 三轴压力下的断层演化。TDNN 将源自波形的属性（包括峰值延迟和散射衰减）与基于发生率的指标（如时间分布、Gutenberg-Richter b 值和空间分形维数）相结合，以表征从分布微裂纹到局部断层的转变。通过遗传算法优化，TDNN 动态赋予这些参数权重，从而能够准确表征断层生长阶段。我们的结果描绘了断层演化的三个不同阶段：由弹性波散射变化指示的随机微裂纹成核，反映在不断演化的 AE 空间和震级分布中的断层生长起始，以及以峰值延迟指数增加和 b 值偏移为标志的断层贯通。该模型预测了不同压力和破坏机制（从轴向劈裂到剪切局部化）下应力降的时间和量级，通过可解释 AI 模型为断层力学提供了更深入的见解。
引用
@article{arxiv.2505.21312,
title = {Generalised Time-Series Analysis of Fault Mechanics Using Explainable AI},
author = {Thomas King and Sergio Vinciguerra},
journal= {arXiv preprint arXiv:2505.21312},
year = {2025}
}