• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

通过模拟退火算法估计ETAS模型的参数。

Estimation of the parameters of ETAS models by Simulated Annealing.

作者信息

Lombardi Anna Maria

机构信息

Istituto Nazionale di Geofisica e Vulcanologia, Via di Vigna Murata 605, 00143 Roma, Italy.

出版信息

Sci Rep. 2015 Feb 12;5:8417. doi: 10.1038/srep08417.

DOI:10.1038/srep08417
PMID:25673036
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC4325320/
Abstract

This paper proposes a new algorithm to estimate the maximum likelihood parameters of an Epidemic Type Aftershock Sequences (ETAS) model. It is based on Simulated Annealing, a versatile method that solves problems of global optimization and ensures convergence to a global optimum. The procedure is tested on both simulated and real catalogs. The main conclusion is that the method performs poorly as the size of the catalog decreases because the effect of the correlation of the ETAS parameters is more significant. These results give new insights into the ETAS model and the efficiency of the maximum-likelihood method within this context.

摘要

本文提出了一种新算法，用于估计余震序列（ETAS）模型的最大似然参数。该算法基于模拟退火，这是一种通用方法，可解决全局优化问题并确保收敛到全局最优解。该程序在模拟目录和真实目录上均进行了测试。主要结论是，随着目录规模减小，该方法的性能较差，因为ETAS参数相关性的影响更为显著。这些结果为ETAS模型以及在此背景下最大似然方法的效率提供了新的见解。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/1eb4d432ec59/srep08417-f7.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/6715dc4d6872/srep08417-f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/b1e08f6921ec/srep08417-f2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/373e0b6ecdfc/srep08417-f3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/d4226ae22b2c/srep08417-f4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/ad7ef1e0e537/srep08417-f5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/3ab34002c782/srep08417-f6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/1eb4d432ec59/srep08417-f7.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/6715dc4d6872/srep08417-f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/b1e08f6921ec/srep08417-f2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/373e0b6ecdfc/srep08417-f3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/d4226ae22b2c/srep08417-f4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/ad7ef1e0e537/srep08417-f5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/3ab34002c782/srep08417-f6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/8cbc/4325320/1eb4d432ec59/srep08417-f7.jpg

相似文献

1
Estimation of the parameters of ETAS models by Simulated Annealing.通过模拟退火算法估计ETAS模型的参数。
Sci Rep. 2015 Feb 12;5:8417. doi: 10.1038/srep08417.
2
Magnitude-dependent epidemic-type aftershock sequences model for earthquakes.震级相关的余震型序列模型在地震中的应用。
Phys Rev E. 2016 Apr;93:042134. doi: 10.1103/PhysRevE.93.042134. Epub 2016 Apr 26.
3
Possible origin of memory in earthquakes: Real catalogs and an epidemic-type aftershock sequence model.地震中记忆的可能起源：真实目录与一种震后余震序列的流行型模型
Phys Rev E. 2019 Apr;99(4-1):042210. doi: 10.1103/PhysRevE.99.042210.
4
The Relevance of Foreshocks in Earthquake Triggering: A Statistical Study.前震在地震触发中的相关性：一项统计研究。
Entropy (Basel). 2019 Feb 13;21(2):173. doi: 10.3390/e21020173.
5
Diffusion of epicenters of earthquake aftershocks, Omori's law, and generalized continuous-time random walk models.地震余震震中的扩散、大森定律和广义连续时间随机游走模型。
Phys Rev E Stat Nonlin Soft Matter Phys. 2002 Dec;66(6 Pt 1):061104. doi: 10.1103/PhysRevE.66.061104. Epub 2002 Dec 30.
6
On the Use of High-Resolution and Deep-Learning Seismic Catalogs for Short-Term Earthquake Forecasts: Potential Benefits and Current Limitations.关于使用高分辨率和深度学习地震目录进行短期地震预测：潜在益处与当前局限
J Geophys Res Solid Earth. 2022 Nov;127(11):e2022JB025202. doi: 10.1029/2022JB025202. Epub 2022 Nov 14.
7
Fast simulated annealing algorithm for BAEP time delay estimation using a reduced order dynamic model.基于降阶动态模型的BAEP时延估计快速模拟退火算法。
Med Eng Phys. 2005 Oct;27(8):705-11. doi: 10.1016/j.medengphy.2004.12.006.
8
Parameter estimation for chaotic systems using a hybrid adaptive cuckoo search with simulated annealing algorithm.基于混合自适应布谷鸟搜索与模拟退火算法的混沌系统参数估计
Chaos. 2014 Mar;24(1):013133. doi: 10.1063/1.4867989.
9
Viscoelastic Slider Blocks as a Model for a Seismogenic Fault.粘弹性滑块作为地震断层的一种模型。
Entropy (Basel). 2023 Oct 6;25(10):1419. doi: 10.3390/e25101419.
10
A random effects epidemic-type aftershock sequence model.一种随机效应的流行型余震序列模型。
Comput Stat Data Anal. 2011 Apr 1;55(1):1610-1616. doi: 10.1016/j.csda.2010.09.031.

引用本文的文献

1
Improvements to seismicity forecasting based on a Bayesian spatio-temporal ETAS model.基于贝叶斯时空ETAS模型的地震活动性预测改进
Sci Rep. 2022 Dec 5;12(1):20970. doi: 10.1038/s41598-022-24080-1.
2
Optimizing machine learning models for granular NdFeB magnets by very fast simulated annealing.通过极快速模拟退火优化用于颗粒钕铁硼磁体的机器学习模型。
Sci Rep. 2021 Feb 15;11(1):3792. doi: 10.1038/s41598-021-83315-9.
3
Statistical physics approaches to the complex Earth system.复杂地球系统的统计物理学方法。

本文引用的文献

1
Optimization by simulated annealing.模拟退火优化。
Science. 1983 May 13;220(4598):671-80. doi: 10.1126/science.220.4598.671.
Phys Rep. 2021 Feb 18;896:1-84. doi: 10.1016/j.physrep.2020.09.005. Epub 2020 Oct 3.
4
The epistemic and aleatory uncertainties of the ETAS-type models: an application to the Central Italy seismicity.ETAS 型模型的认知不确定性和偶然不确定性：对意大利中部地震活动的应用。
Sci Rep. 2017 Sep 18;7(1):11812. doi: 10.1038/s41598-017-11925-3.
5
Robust seismicity forecasting based on Bayesian parameter estimation for epidemiological spatio-temporal aftershock clustering models.基于贝叶斯参数估计的流行病学时空余震聚类模型的稳健地震预测。
Sci Rep. 2017 Aug 29;7(1):9803. doi: 10.1038/s41598-017-09962-z.
6
SEDA: A software package for the Statistical Earthquake Data Analysis.SEDA：地震数据分析的软件包。
Sci Rep. 2017 Mar 14;7:44171. doi: 10.1038/srep44171.