How many strong earthquakes will there be tomorrow?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this note, we study the distribution of earthquake numbers in both worldwide and regional catalogs: in the Global Centroid Moment Tensor catalog, from 1980 to 2019 for magnitudes Mw 5. 5+ and 6.5+ in the first case, and in the Italian instrumental catalog from 1960 to 2021 for magnitudes Mw 4.0+ and 5.5+ in the second case. A subset of the global catalog is also used to study the Japanese region. We will focus our attention on short-term time windows of 1, 7, and 30 days, which have been poorly explored in previous studies. We model the earthquake numbers using two discrete probability distributions, i.e., Poisson and Negative Binomial. Using the classical chi-squared statistical test, we found that the Poisson distribution, widely used in seismological studies, is always rejected when tested against observations, while the Negative Binomial distribution cannot be disproved for magnitudes Mw 6.5+ in all time windows of the global catalog. However, if we consider the Japanese or the Italian regions, it cannot be proven that the Negative Binomial distribution performs better than the Poisson distribution using the chi-squared test. When instead we compared the performances of the two distributions using the Akaike Information Criterion, we found that the Negative Binomial distribution always performs better than the Poisson one. The results of this study suggest that the Negative Binomial distribution, largely ignored in seismological studies, should replace the Poisson distribution in modeling the number of earthquakes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle