TY -的A2 -香港,sang hoon AU -李,Seongjae AU -金,Taehyoun PY - 2020 DA - 2020/09/07 TI -减少搜索空间使用PCA和测定震源参数 - - - - - -意味着集群SP - 8826634六世- 2020 AB -地震的特点可以通过估计地震源的几何图形的使用参数反演的L2范数最小化残差和测量之间的合成从位错模型位移计算。估计源位错模型中的几何图形被认为是解决非线性反问题。为了避免局部最小值和描述不确定性,蒙特卡罗重启通常用来解决问题,假设初始参数搜索空间提供的地震研究。由于搜索空间大小显著影响这个过程的准确性和执行时间,故障初始搜索空间从地震学研究可能影响结果的精度和计算时间。除此之外,许多源参数描述物理故障导致糟糕的数据可视化。在本文中,我们提出一种新的基于机器学习减少搜索空间算法来克服这些挑战。本文假设一个矩形位错模型,即。冈田克也的模型,计算表面变形数学。至于大地测量的三维(3 d)表面变形,我们使用了叠加干涉合成孔径雷达(InSAR)和multiple-aperture SAR干涉测量(MAI)。我们定义了一个广泛的初始搜索空间和执行重启蒙特卡罗收集的数据点之间的均方根误差(RMSE)位移测量和建模。 Then, the principal component analysis (PCA) and the k 聚类则用于项目数据点较低的RMSE在2 d潜在空间尽可能多地保留原始数据的方差和提取 k 集群的数据位置和RMSE彼此相似。最后,我们减少了参数搜索空间使用集群意味着RMSE最低的。评价结果表明,我们的方法达到55.1 ~ 98.1%减少搜索空间的大小和60 ~ 80.5%减少95%置信区间大小所有源参数与常规方法相比。也观察到显著减少搜索空间节省计算解决非线性最小二乘问题的负担。SN - 1687 - 725 - 2020/8826634 / 10.1155 x你——https://doi.org/10.1155/2020/8826634——摩根富林明——《传感器PB - Hindawi KW - ER