IS-TEWS v29 Feature Dataset: India-Specific Tsunami Early Warning System with Physics-Informed LightGBM Classification

Feature dataset for IS-TEWS (India-Specific Tsunami Early Warning System) v29 — a real-time tsunami early warning system for the Indian Ocean region targeting the Indian coastline. ## Dataset Summary- 17,038 earthquake records (M≥5.5, Indian Ocean region, 1990–2024)- 28 physics-informed engineered features derived from seismic parameters- Binary labels: 1 = tsunamigenic, 0 = non-tsunamigenic- Chronological train/val/test split (70/15/15) ## Split Details- Train: 11,928 samples (1990–2013) | 201 positives- Val: 2,555 samples (2013–2019) | 52 positives- Test: 2,555 samples (2019–2024) | 77 positives ## Feature EngineeringFeatures are derived deterministically from earthquake magnitude, depth, and location using:- Haversine distance to India (15°N, 80.5°E) and Andaman trench- Shallow-water tsunami wave speed and travel time estimates- 8-zone subduction zone taxonomy (Andaman, Sumatra, Makran, Java, Arabian Sea, Bay of Bengal, Manila, Java-2)- Physics-based depth sigmoid, energy proxy, fault score interaction terms ## Model Performance (LightGBM GBDT v29, 581 trees)- AUC: 0.9957 | Recall: 0.8571 | Precision: 0.750 | F1: 0.800- False Alarms: 22 | Missed Tsunamis: 11/77 test positives- Threshold: 0.110 (val-optimised, constrained F1 with recall floor 0.85)- Pipeline recall = raw recall (physics filter verified end-to-end) ## Physics Filter (inference-only, 4 rules)R1: depth > 100 km → cap probability (deep quakes non-tsunamigenic)R2: dist_zone > 0.65 → cap probability (far from subduction zones)R3: fault_score < 0.2 AND mag < 7.5 → cap probability (strike-slip mechanism)R4: mag ≥ 7.5 AND depth < 80 km AND near India → FORCE alert (structural safety) ## Privacy NoteRaw lat/lon coordinates removed. Spatial information preserved via distance-based features (dist_india, dist_trench, dist_zone). The production model uses 30 features including lat/lon at inference time. ## Data Sources- Seismic catalog: USGS FDSNWS API (earthquake.usgs.gov)- Tsunami labels: NOAA NGDC Tsunami Event Database (ngdc.noaa.gov) ## Files- is_tews_features_v29.csv — full dataset in CSV format (17,038 rows × 33 columns)- is_tews_features_v29.parquet — same dataset in Parquet format (compressed, faster loading)- DATASET_README.md — full column descriptions and usage notes本数据集为印度专属海啸预警系统（IS-TEWS, India-Specific Tsunami Early Warning System）v29的特征数据集，该系统是面向印度洋区域、针对印度海岸线的实时海啸预警系统。 ## 数据集概述 - 共包含17038条地震记录（1990年至2024年印度洋区域，震级M≥5.5） - 提取自地震参数的28个基于物理知识的工程特征 - 二分类标签：1代表海啸引发型地震，0代表非海啸引发型地震 - 采用按时间顺序划分的训练/验证/测试集，划分比例为70/15/15 ## 划分详情 - 训练集：11928条样本（1990–2013年），包含201个海啸引发型正样本 - 验证集：2555条样本（2013–2019年），包含52个海啸引发型正样本 - 测试集：2555条样本（2019–2024年），包含77个海啸引发型正样本 ## 特征工程 本数据集的特征通过地震震级、震源深度及震中位置确定性推导得到，具体包括： 1. 至印度本土（15°N，80.5°E）与安达曼海沟的哈弗辛距离（Haversine） 2. 浅海海啸波速与传播时间估算值 3. 8分区俯冲带分类体系（安达曼、苏门答腊、马克兰、爪哇、阿拉伯海、孟加拉湾、马尼拉、爪哇-2） 4. 基于物理原理的震源深度Sigmoid变换、能量代理指标、断层评分交互项 ## 模型性能（轻量梯度提升树（LightGBM GBDT）v29，含581棵决策树） - 曲线下面积（AUC）：0.9957 | 召回率（Recall）：0.8571 | 精确率（Precision）：0.750 | F1值：0.800 - 误报次数：22 | 漏报海啸事件数：测试集77个正样本中11例 - 分类阈值：0.110（经验证集优化，在召回率不低于0.85的约束下最大化F1值） - 流程召回率与原始召回率一致（经物理过滤器端到端验证） ## 物理过滤器（仅推理阶段使用，含4条规则） R1：震源深度＞100km → 概率截断（深源地震不引发海啸） R2：分区距离＞0.65 → 概率截断（远离俯冲带区域） R3：断层评分＜0.2 且 震级＜7.5 → 概率截断（走滑断层机制） R4：震级≥7.5 且 震源深度＜80km 且 临近印度本土 → 强制触发警报（结构安全要求） ## 隐私说明 原始经纬度坐标已移除，空间信息通过基于距离的特征（dist_india、dist_trench、dist_zone）保留。生产环境模型在推理阶段使用包含经纬度在内的共30个特征。 ## 数据来源 - 地震目录：美国地质调查局（USGS）FDSNWS API（earthquake.usgs.gov） - 海啸标签：美国国家海洋和大气管理局（NOAA）国家地球物理数据中心（NGDC）海啸事件数据库（ngdc.noaa.gov） ## 数据集文件 - is_tews_features_v29.csv：完整数据集，CSV格式（17038行 × 33列） - is_tews_features_v29.parquet：同数据集Parquet格式（压缩存储，加载速度更快） - DATASET_README.md：完整字段说明与使用指南