Machine Learning Classification of Global Seismic Phases: A Cross-Validated, Physics-Informed Evaluation Using the IMS2.0 Automatic Arrival Bulletin
Cette étude évalue un classificateur de type Forêt Aléatoire entraîné sur des métadonnées physiques et statistiques issues du bulletin d'arrivées automatiques de l'IMS2.0, démontrant une précision de 87 % dans l'identification des phases sismiques mondiales et soulignant le potentiel de la combinaison de l'apprentissage automatique avec les principes sismologiques pour améliorer les capacités de surveillance du CTBTO.