Forscher der University of California, Berkeley, und anderer Universitäten haben kürzlich eine Studie veröffentlicht, in der sie ein Deep-Learning-Modell namens RECAST vorstellen, das die Erdbebenvorhersage verbessert. Das Modell basiert auf einem neuronalen Netzwerk-Generationsmodell und kann mit deutlich größeren historischen Erdbebendaten trainiert werden. Im Vergleich zum bestehenden Standardmodell ETAS bietet RECAST eine höhere Flexibilität.
Die Forscher trainierten das Modell mit GPU-Beschleunigung und testeten es in verschiedenen Regionen. Die Ergebnisse zeigen, dass RECAST eine signifikant höhere Genauigkeit bei der Erdbebenvorhersage im Vergleich zu ETAS erreicht.
Sie planen, das Modell Open Source bereitzustellen, damit weitere Teams es testen und iterativ verbessern können, um die Erdbebenvorhersage weiter zu optimieren.
