简·林贝克;凯文·比斯多姆;法比安·兰兹;帕克，蒂莫西;爱德华多·巴巴拉;斯蒂芬·伯恩;弗兰茨·基拉利;斯蒂恩·比尔曼;克里斯·哈里斯;基佩·内文泽尔;塔可玉米饼;范·埃尔克（Jan van Elk） 将机器学习用于格罗宁根气田消耗诱发地震活动的模型基准测试和预测。 （英文） Zbl 1453.86029号 计算。地质科学。 25，第1号，529-551（2021）. 摘要：荷兰格罗宁根气田由于持续耗竭，正在经历诱发地震活动。通过岩石力学实验和结合物理统计模型研究了控制地震活动的物理机制，以支持预测诱发地震风险的框架的开发。为了研究随机森林和支持向量机（Support Vector Machines）等机器学习技术是否为空间和时间诱发地震活动率的预测带来了新的见解，设计了一条管道，将时间序列分析方法扩展到具有阶乘设置的时空框架，这允许探索合理建模假设的大参数空间，然后进行统计荟萃分析，以解释地下数据中的内在不确定性，并确保结果的统计显著性和稳健性。该管道包括模型验证，使用平均耗尽厚度和应变厚度基线的似然比测试来确定模型是否具有统计显著的预测能力。该方法用于预测两种截然不同的天然气生产情景下的地震活动。结果表明，使用支持向量机生成的地震活动预测显著优于上述基线。该方法的预测表明，在保守的生产情景下，未来5年内地震活动率将下降，而在更高的耗竭情景下，地震活动率不会下降，尽管由于有效样本量较小，因此无法做出这种统计上可靠的陈述。尽管这需要添加有限的物理约束，以避免非物理预测，但所提出的方法可用于在调查的5年期之后进行预测。 引用于1文件 MSC公司： 86甲15 地震学（包括海啸建模）、地震 86A32型 地理统计学 68T05型 人工智能中的学习和自适应系统 关键词：地震活动性预测;格罗宁根气田;机器学习;模型基准测试;耗竭引起的地震活动;地质力学;地震 软件：最大似然比;护林员;博鲁塔;迷你球;irace公司;CGAL公司;对 PDF格式BibTeX公司 XML格式引用 \textit{J.Limbeck}等人，计算。地质科学。25，第1号，529--551（2021；Zbl 1453.86029） 全文： 内政部 OA许可证 参考文献： [1] van Elk，J。；Doornhof，D。；JJ Bommer；Bourne，SJ；奥茨，SJ；Pinho，R。；Crowley，H.，《荷兰格罗宁根诱发地震活动的危险和风险评估》。地质科学杂志。，96，s259-s269（2017）·doi:10.1017/njg.2017.37 [2] Bourne，SJ；奥茨，SJ；Van Elk，J。；Doornhof，D.，地下水库流体抽取诱发地震的地震学模型，J.Geophys。固体地球研究，1198991-2015（2014）·doi:10.1002/2014JB011663 [3] 荷兰统计局（CBS）：天然气收入近4170亿欧元，https://www.cbs.nl/en-gb/news/2019/22/natural-gas-revenues-almost-4170亿欧元。2020年1月31日访问 [4] Foulger，GR；议员威尔逊；Gluyas，JG；朱利安，BR；RJ Davies，《人类诱发地震全球评论》，Earth-Sci。版本178，438-514（2018）·doi:10.1016/j.earscirev.2017.07.008 [5] 坎德拉，T。；洗涤，B。；ter Heege，J。；Buijze，L.，《地震是如何诱发的》，《科学》，360，80，598-600（2018）·doi:10.1126/science.aat2776 [6] van Thienen-Visser，K。；JN Breunese，《格罗宁根气田诱发地震活动：历史和近期发展》，Lead。Edge，34，664-671（2015）·doi:10.1190/tle34060664.1 [7] van Thienen-Visser，K。；Pruiksma，JP；Breunese，JN，荷兰格罗宁根气田的压实和沉降，Proc。国际协会水文学。科学。，372, 367-373 (2015) ·doi:10.5194/piahs-372-367-2015年 [8] Rutqvist，J。；美联社里纳尔迪；卡帕，F。；Moridis，GJ，通过直接注入与页岩气储层水力压裂相关的断层带来模拟断层活化和地震活动，J.Pet。科学。工程师，127377-386（2015）·doi:10.1016/j.petrol.2015.01.019 [9] 风扇，Z。；Eichhubl，P。；Gale，JFW，德克萨斯州Timpson Mw 4.8地震序列流体注入和地震断层滑动的地质力学分析，J.Geophys。《固体地球研究》，1212798-2812（2016）·doi:10.1002/2016JB012821 [10] 稳定，TA；乔科利，A。；佩罗内，A。；Piscitelli，S。；Lapenna，V.，流体注入诱发的地震活动揭示了Geophys高地阿格里山谷（意大利南部）东南部的一条NE倾斜断层。Res.Lett.公司。，41, 5847-5854 (2014) ·doi:10.1002/2014GL060948 [11] 伊扎迪，G。；Elsworth，D.，《储层刺激和诱发地震：流体压力和热瞬变对重新激活的断裂网络的作用》，地热学。，51, 368-379 (2014) ·doi:10.1016/j.地热.2014.01.014 [12] 法国沃尔什；Zoback，MD，俄克拉荷马州最近的地震和盐水处理，科学。高级，1（2015）·doi:10.1126/sciadv.1500195 [13] Van Wees，J-D；宾夕法尼亚州福克；Van Thienen-Visser，K。；洗涤，BBT；奥辛加，S。；奥利克，B。；南澳大利亚州古里；Buijze，L。；Pluymaekers，M.，《荷兰诱发地震活动的地质力学模型：从简化分析、有限元和破裂模型方法推断》，Neth。地质科学杂志。，96，s183-s202（2017）·doi:10.1017/njg.2017.38 [14] 斯皮尔斯，CJ；Hangx，SJT；Niemeijer，AR，格罗宁根气田岩石和断层行为实验研究的新方法，Neth。地质科学杂志。，96，s55-s69（2017）·doi:10.1017/njg.2017.32 [15] Hunfeld，LB；尼梅耶尔，AR；Spiers，CJ，地震成因格罗宁根气田模拟断层泥在原位P-T-化学条件下的摩擦特性，地球物理学杂志。《固体地球研究》，1228969-8989（2017）·doi:10.1002/2017JB014876 [16] Bourne，SJ；Oates，SJ，非均质弹性薄板内的极限门槛破坏和格罗宁根气田内诱发地震活动的时空发展，J.Geophys。《固体地球研究》，122299-320（2017）·doi:10.1002/2017JB014356 [17] 奥利奇，B。；Wassing，BBT，《弹性盖层和粘弹性盖层上产气藏的应力变化和断层滑动研究》，《岩石力学》。摇滚乐。工程师，46，421-435（2013）·文件编号：10.1007/s00603-012-0347-6 [18] Postma，T。；Jansen，JD，《多孔弹性压力瞬变对格罗宁根天然气田生产诱发地震触发的微小影响》，J.Geophys。《固体地球研究》，123，401-417（2018）·doi:10.1002/2017JB014809 [19] van der Linden，A。；马库拉，A。；马塞利斯，F。；霍尔，S。；Bierman，S.，《格罗宁根油田生产诱导压实的岩石物理控制》，科学。代表，8，1-13（2018）·doi:10.1038/s41598-018-25455-z [20] 米南，A。；布罗卡多，M。；威默，S。；Giardini，D.，深层流体注入期间用于精算决策的诱发地震封闭式红绿灯系统，科学。代表，7，1-10（2017）·doi:10.1038/s41598-017-13585-9 [21] 布罗卡多，M。；米南，A。；威默，S。；斯托贾迪诺维奇，B。；Giardini，D.，流体诱发地震活动的层次贝叶斯建模，地球物理。Res.Lett.公司。，44, 11, 357-11,367 (2017) ·doi:10.1002/2017GL075251 [22] van Elk，J.，Doornhof，D.：《格罗宁根研究和数据采集计划诱发地震的回顾与更新——2016年后更新》，荷兰阿森（2019）。https://nam-feitenencijfers.data-app.nl/download/raport/529d284a-a8e9-4aa8-a52e-3aa17761f40d？open=true。访问日期：2020年1月31日 [23] 荷兰阿尔多利·马查皮吉：格罗宁根2016年获胜计划的技术补遗。(2016). https://www.nam.nl/algemeen/mediaek-en-downloads/winningsplan-2016.html。2020年1月31日访问 [24] 荷兰阿尔多利·马查皮吉：格罗宁根-加斯维尔德2016年获胜计划，荷兰阿森（2016）。https://www.nam.nl/algemeen/mediaek-en-downloads/winningsplan-2016.html。访问日期：2020年1月31日 [25] AA梅尔尼科夫；Nautrup，惠普；Krenn，M。；Dunjko，V。；Tiersch，M。；Zeilinger，A。；Briegel，HJ，主动学习机器学习创建新的量子实验，Proc。国家。阿卡德。科学。，115, 1221-1226 (2018) ·doi:10.1073/PNAS1714936115文件 [26] 卡拉斯基拉，J。；Melko，RG，《物质的机器学习阶段》，《自然物理学》。，13, 431-434 (2017) ·doi:10.1038/nphys4035 [27] 卑尔根，KJ；宾夕法尼亚州约翰逊；德霍普，MV；Beroza，GC，固体地球科学中数据驱动发现的机器学习，科学，363，8，eaau0323（2019）·doi:10.1126/science.aau0323 [28] Karpatne，A。；Ebert-Uphoff，I。；拉韦拉，S。；HA Babaie；Kumar，V.，《地球科学的机器学习：挑战和机遇》，IEEE Trans。知识。数据工程，311544-1554（2019）·doi:10.1109/TKDE.2018年2861006 [29] Pathak，J.，Hunt，B.，Girvan，M.，Lu，Z.，Ott，E.：从数据中对大型时空混沌系统进行无模型预测：一种水库计算方法。物理学。修订稿。120, (2018). doi:10.1103/PhysRevLett.120.024102 [30] DeVries，PMR；维加斯，F。；Wattenberg，M。；BJ米德，《大地震后余震模式的深度学习》，《自然》。，560, 632-634 (2018) ·doi:10.1038/s41586-018-0438-y [31] 佩罗，T。；加尔比，M。；Denolle，M.，地震探测和定位的卷积神经网络，科学。Adv.4（2018年）·doi:10.1126/sciadv.1700578 [32] Rouet-Leduc，B。；Hulbert，C。；吕贝尔斯，N。；巴罗斯，K。；CJ汉弗莱斯；Johnson，PA，机器学习预测实验室地震，地球物理。Res.Lett.公司。，44, 9276-9282 (2017) ·doi:10.1002/2017GL074677 [33] Panakkat，A。；Adeli，H.，使用多个地震活动性指标进行近似地震时间和位置预测的递归神经网络，计算。公民。基础设施。工程，24280-292（2009）·文件编号：10.1111/j.1467-8667.2009.00595.x [34] 阿森西奥·科尔特斯，G。；Morales-Esteban，A。；X.Shang。；Martínez-Alvarez，F.，《使用回归算法和基于云的大数据基础设施预测加利福尼亚地震》，计算。地质科学。，115, 198-210 (2018) ·doi:10.1016/j.cageo.2017.10.11 [35] Asencio-Cortes，G。；马丁内斯-阿尔瓦雷斯，F。；Morales-Esteban，A。；Reyes，J.，《监督学习中地震活动指标的敏感性研究以改进地震预测》，Knowl-基于系统。，101, 15-30 (2016) ·doi:10.1016/j.knosys.2016.02.014 [36] 最后，M。；拉比诺维茨，N。；Leonard，G.，《根据以色列及其邻国的地震数据预测最大地震震级》，《公共科学图书馆·综合》，第11期，第1-16页（2016年）·doi:10.1371/journal.pone.0146101 [37] 米南，A。；Broccardo，M.，《余震预测中的一个神经元与深度学习》，《自然》。，574，E1-E3（2019）·doi:10.1038/s41586-019-1582-8 [38] 米南，A。；Broccardo，M.，《神经网络在地震预测中的应用（1994-2019）：关于其局限性的荟萃分析和统计见解》，《地震》。Res.Lett.公司。，1-25, 2330-2342 (2020) ·doi:10.1785/0220200021 [39] BJ米德，《对余震预测中一个神经元与深度学习的回应》，《自然》。，574，E4-E4（2019）·doi:10.1038/s41586-019-1583-7 [40] 费尔南德斯·德尔加多，M。；Cernadas，E。；巴罗，S。；Amorim，D.，我们需要数百个分类器来解决现实世界的分类问题吗？，J.马赫。学习。决议，11，015020（2014）·Zbl 1319.62005号 ·doi:10.1117/1.JRS.11.015020 [41] Makridakis，S。；Spiliotis，大肠杆菌。；Assimakopoulos，V.，《统计和机器学习预测方法：关注点和前进方向》，《公共科学图书馆·综合》，13，e0194889（2018）·doi:10.1371/journal.pone.0194889 [42] Limbeck，J.，Lanz，F.，Barbaro，E.，Harris，C.，Bisdom，K.，Park，T.，Oosterbosch，W.，Jamali-Rad，H.，Nevenzeel，K.：荷兰阿森格罗宁根油田诱发地震事件率预测的机器学习方法评估（2018）。https://nam-feitenencijfers.data-app.nl/download/rapport/d5be89f6-fcea-4237-bc07-6cda25e151d9？open=true。2020年1月31日访问 [43] Lanz，F.、Bisdom，K.、Barbaro，E.、Limbeck，J.、Park，T.、Harris，C.、Nevenzeel，K.：荷兰阿森格罗宁根油田时空诱发地震预测的机器学习方法评估（2019）。https://nam-onderzoeksrapporten.data-app.nl/reports/download/groningen/en/e5535713-46e2-4523-a479-4124f674c55f。访问日期：2020年1月31日 [44] R核心团队：R：统计计算语言和环境，https://www.r-project.org网站/, (2018) [45] 明尼苏达州赖特；齐格勒，A.，《流浪者：C++和R中高维数据随机森林的快速实现》，J.Stat.Softw。，77, 1-17 (2017) ·doi:10.18637/jss.v077.i01 [46] CGAL项目：CGAL用户和参考手册，（2018年）。https://www.cgal.org/ [47] Gärtner，B.，Schönherr，S.：用于几何优化的高效、精确和通用二次规划求解器。第十六届计算几何年会论文集-SCG'00。美国纽约州纽约市ACM出版社，110-118（2000）。doi:10.1145/336154.336191·Zbl 1377.68277号 [48] Bischl，B。；朗，M。；Kotthoff，L。；希夫纳，J。；J.Richter。；Studerus，E。；卡萨利基奥，G。；Jones，ZM，mlr：R，J.Mach的机器学习。学习。决议，17，1-5（2016）·Zbl 1392.68007号 [49] van Oeveren，H。；Valvatne，P。；Geurtsen，L。；van Elk，J.，Groningen油田动态储层模型与沉降数据和传统地下数据的历史匹配，荷兰。地质科学杂志。，96，s47-s54（2017）·doi:10.1017/njg.2017.26 [50] Bierman，S.、Kraaijeveld，F.、Bourne，S.：利用光学水准测量结果，对格罗宁根水库的压实进行规则化直接反演。技术报告。壳牌手套。索鲁特。国际（2015）。https://nam-feitenencijfers.data-app.nl/download/rapport/cc5ea278-c093-457b-b930-1869a3c26c21？open=true。2020年1月31日访问 [51] Burkitov，U.、van Oeveren，H.、Valvatne，P.：《格罗宁根现场审查2015年地下动态建模报告》。(2016) [52] 经济事务和气候政策部：Kamerbrief诉天然气开采公司Groningen（2018）https://www.government.nl/documents/parliamentary-documents/2018/03/29/kamerbrief-over-gaswinning-groningen。2019年7月1日访问 [53] 宾夕法尼亚州Rydelek；萨克斯，IS，《测试地震目录的完整性和自相似性假设》，《自然》。，337, 251-253 (1989) ·数字对象标识代码：10.1038/337251a0 [54] Dost，B.、Goutbeek，F.、van Eck，T.、Kraaijpoel，D.：荷兰北部诱发地震监测：2010年状态报告，荷兰德比尔特（2012）。KNMI报告：http://bibliotheek.knmi.nl/knmipubWR/WR2012-03.pdf。2018年1月31日访问 [55] Bourne，SJ；Oates，SJ，《预测格罗宁根气田天然气开采诱发地震活动的统计地质力学模型的开发》，Geol。Mijnbouw/Neth公司。地质科学杂志。，96，s175-s182（2017）·doi:10.1017/njg.2017.35 [56] 内尔德，JA；Wedderburn，RWM，广义线性模型，J.R.Stat.Soc.Ser。A、 135、370（1972）·doi:10.2307/2344614 [57] López-Ibáñez，M。；Dubois-Lacoste，J。；佩雷斯·卡塞雷斯（Pérez Cáceres，L.）。；比拉塔里，M。；Stützle，T.，《irace包：自动算法配置的迭代竞赛》，Oper。研究展望。，3, 43-58 (2016) ·doi:10.1016/j.orp.2016.09.002 [58] 胡，LY；Huang，MW；Ke，西南；Tsai，CF，距离函数对医学数据集k近邻分类的影响，Springerplus。，5, 1304 (2016) ·doi:10.1186/s40064-016-2941-7 [59] Breiman，L.：随机Forrests。机器。学习。(2001) [60] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素》（2009），纽约：施普林格出版社，纽约·Zbl 1273.62005年 ·doi:10.1007/978-0-387-84858-7 [61] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习。，20, 273-297 (1995) ·Zbl 0831.68098号 ·doi:10.1007/BF00994018 [62] 库萨，MB；Rudnicki，WR，Boruta软件包功能选择，J.Stat.Softw。，36，i11（2010）·doi:10.18637/jss.v036.i11 [63] Fagerland，兆瓦；Sandvik，L.，审查中的Wilcoxon-Mann-Whitney试验，《医学总汇》，281487-1497（2009）·数字对象标识代码：10.1002/sim.3561 [64] Schorlemmer，D。；MC Gerstenberger；威默，S。；杰克森，DD；Rhoades，DA，地震可能性模型测试，Seismol。Res.Lett.公司。，78, 17-29 (2007) ·doi:10.1785/gssrl.78.1.17 [65] Gerstenberger，M.、Rhoades，D.、Stirlin，M.，Brownrigg，R.、Christophersen，A.：新西兰地震预报测试中心的持续发展。(2009). https://www.eqc.govt.nz/sites/public_files/3753-Development-nz-EQ-Forecast-Centre.pdf。2020年7月31日访问 [66] 罗德斯，DA；Schorlemmer，D。；MC Gerstenberger；克里斯托弗森。；Zechar，JD；Imoto，M.，地震预测模型的有效测试，地球物理学学报。，59, 728-747 (2011) ·doi:10.2478/s11600-011-0013-5 [67] 布雷，A。；Schoenberg，FP，地震预测点过程模型评估，统计科学。，28, 510-520 (2013) ·Zbl 1331.86016号 ·doi:10.1214/13-STS440 [68] 木材，SN；北卡罗来纳州皮亚。；Säfken，B.，《一般平滑模型的平滑参数和模型选择》，美国统计协会，111，1548-1563（2016）·doi:10.1080/01621459.2016.1180986 [69] Karpatne，A。；Atluri，G。；Faghous，JH；斯坦巴赫，M。；Banerjee，A。；Ganguly，A。；Shekhar，S。；北萨马托娃。；Kumar，V.，《理论指导的数据科学：从数据中进行科学发现的新范式》，IEEE Trans。知识。数据工程，29，2318-2331（2017）·doi:10.1109/TKDE.2017.2720168 [70] Goldstein，A。；Kapelner，A。；布莱奇，J。；Pitkin，E.，《窥视黑匣子：用个人条件期望图可视化统计学习》，J.Compute。图表。Stat.，24，44-65（2015）·doi:10.1080/1061600.2014.907095 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。