DOI码：

10.1093/gji/ggac215

所属单位：

中国科学技术大学地球和空间科学学院

发表刊物：

Geophysical Journal International

刊物所在地：

英国

摘要：

The shape of earthquake source spectra, traditionally fit by physics-based models, contains important parameters to constrain rupture dimension, duration and geometry. Here we apply machine learning (ML) to derive single- and double-variable data-driven models of source spectra from 3675 Mw > 5.5 global earthquakes, assuming that the Fourier transform of source time functions represent earthquake source spectra below 1 Hz. The single-variable ML model, in the same degree of freedom as the Brune model, improves the goodness of fit by 8.5 per cent. Specifically, the ML model fits the data wit

第一作者：

Shang Ma

合写作者：

李泽峰, Wei Wang

论文类型：

期刊论文

通讯作者：

李泽峰

论文编号：

24

学科门类：

理学

一级学科：

地球物理学

文献类型：

SCI

卷号：

231

期号：

1

页面范围：

692-702

ISSN号：

0956-540X

是否译文：

否

发表时间：

2022-06-11

发布期刊链接：

https://doi.org/10.1093/gji/ggac215