机器学习揭示剪切颗粒断层中的间歇性摩擦动力学状态
地球物理
2019-08-07 v1
摘要
发震板块边界被认为与致密堆积的颗粒介质行为相似，其中断层和块体系统像缓慢剪切颗粒系统中的粒子那样快速重排自身内部的力分布。我们使用机器学习表明，模拟剪切颗粒断层中单个粒子的速度信号的统计特征包含关于间歇性摩擦粘滑动力学瞬时全局状态的信息。我们证明结合由更多粒子信号构建的特征可提升全局模型的精度，并讨论误差降低背后的物理基础。我们表明代表粒子沿剪切方向位移的信号的中位数及更高矩等统计特征属于最佳预测特征。我们的工作为机器学习在研究地球物理系统摩擦过程中的应用提供了新见解。
引用
@article{arxiv.1903.11157,
title = {Machine Learning Reveals the State of Intermittent Frictional Dynamics in a Sheared Granular Fault},
author = {C. X. Ren and O. Dorostkar and B. Rouet-Leduc and C. Hulbert and D. Strebel and R. A. Guyer and P. A. Johnson and J. Carmeliet},
journal= {arXiv preprint arXiv:1903.11157},
year = {2019}
}