機器學習將在地震預測方面具有巨大的潛力

昨日22時55分，四川宜賓市長寧縣發(fā)生6.0級地震，截至8時30分，已造成12人死亡，125人受傷。而在此次地震過程中，“地震預警”系統(tǒng)起到了至關重要的作用：預警20秒，傷亡減少63%。不過，“預警”非預測，那么在AI大熱今天，人工智能在地震預測方面又有何進展呢？

昨日22時55分，四川宜賓市長寧縣發(fā)生6.0級地震，震源深度16千米。

今晨7時34分，再次發(fā)生5.3級地震，震源深度17千米。

截至8時30分，已造成12人死亡，125人受傷。據(jù)悉，此次地震是今年以來，四川境內(nèi)首起6.0級及以上震級的地震，在此之前，四川今年最大的地震是自貢榮縣發(fā)生的4.9級地震。

而在此次地震中，“地震預警”起到了至關重要的作用：成都提前61秒收到地震預警！

據(jù)悉，成都共有110個社區(qū)實現(xiàn)“大喇叭”倒計時預警，其中成都高新區(qū)60個。同時，成都高新減災研究所還通過手機短信、電視等途徑向社區(qū)居民發(fā)布預警信息。

那么這個地震預警到底有多重要？研究表明：預警時間10秒，傷亡減少39%；時間為20秒，傷亡減少63%。

而此次，網(wǎng)友們也不禁對預警的準確性表示嘆服。

“預警”非預測：20秒，傷亡人數(shù)減少63%

那么，這個地震預警系統(tǒng)到底是什么神器呢？

從成都高新減災研究所處獲悉，此次成功預警地震的，為該所與應急管理部門（包括原市縣地震部門）聯(lián)合建設的大陸地震預警網(wǎng)。

成都高新減災研究所所長 王暾博士

據(jù)成都高新減災研究所所長王暾博士介紹：

我們所做的工作是地震預警，而并非地震預報，臨震預報仍然是世界難題。地震預警只能減少人員損傷，而不能做到避免。

為了實現(xiàn)地震預警，需要在可能發(fā)生地震的區(qū)域安裝地震預警的傳感器。這種傳感器并不昂貴，也不需要在野外安裝，可以通過實時的網(wǎng)絡(甚至是2G網(wǎng)絡)來傳遞地震波的數(shù)據(jù)，地震預警的傳感器甚至可以固定在墻上。

通過這些傳回來的數(shù)據(jù)，我們可以判斷地震發(fā)生的位置以及大概的震級。網(wǎng)絡和計算機的處理速度非?？欤恍枰獛酌腌姷臅r間。

據(jù)了解，地震預警系統(tǒng)是一個全自動的物聯(lián)網(wǎng)，可實現(xiàn)全自動的秒級響應。主要是利用電波比地震波傳播速度快的原理，在地震造成破壞前幾秒到幾十秒，發(fā)出地震預警警報，提醒民眾及時避險，讓重要工程緊急處置以減少經(jīng)濟損失和次生災害。

而電視地震預警則是利用電視網(wǎng)絡在電視周邊，發(fā)生強震的時候，電視就能夠自動地彈出幾秒到幾十秒的警報，以便在強震到來之前，老百姓在看電視的時候，就能夠提前避險。

目前技術已經(jīng)允許的情況下，只要機頂盒就能收到震預警的喇叭，在電視關著的時候，也能夠自動發(fā)出警報。

據(jù)王暾所長介紹，自汶川余震區(qū)發(fā)展的我國地震預警成果，已經(jīng)處于全球領先水平。

成都高新減災研究所與地震部門合作建設的大陸地震預警網(wǎng)覆蓋面積達220萬平方公里，覆蓋我國地震區(qū)人口90％，已成功預警蘆山7級地震、魯?shù)?.5級地震、九寨溝7級地震等52次破壞性地震。

為什么預測下一場大地震如此困難？

讓我們先從一個簡單的問題開始：下一次大地震將在哪里發(fā)生？

研究表明，較大的斷層通常會引起較大的地震。理論上，如果所有的斷層都被繪制出來了，那么我們應該能夠?qū)σ粋€特定地區(qū)可能經(jīng)歷的最強烈的地震加以限制。這一點很重要，因為地震釋放的能量變化可能是萬億次方的（quadrillions）。

然而，估計斷層大小和釋放的相應能量并不總是那么簡單。斷層常表現(xiàn)出復雜的幾何形態(tài)，使得對斷層區(qū)域的建模變得復雜。此外，斷層可能同時破裂：在新西蘭2016年的Kaikōura地震期間，13個不同的斷層同時破裂。此外，最近的歷史證明，地震大小并不總是與損害相關；根據(jù)發(fā)生的地點，中等震級的地震可能比“大”地震更具破壞性。例如，1994年加利福尼亞州北嶺6.7級地震造成重大財產(chǎn)損失和生命損失，而2018年斐濟8.2級地震強度為178倍，并未造成任何損失。因此，地震的震級并不能說明整個情況。

1900年-2013年地震7.0級及以上的地圖

現(xiàn)在來回答更加復雜的問題：下一次大地震何時發(fā)生？

預測時間是地震預測中最難的挑戰(zhàn)。事實上，有兩種理論可以告訴我們（最好的）預測是有缺陷的。

第一種理論稱為彈性回跳理論，它指出地殼在強烈的壓力下會彎曲變形，直到最終在應變下斷裂。沿著斷裂的滑移（即地震）使兩側(cè)的巖石回彈到變形較小的狀態(tài)，并釋放儲存的能量，從而使累積應變的過程重新開始。

第二種理論被稱為特征地震，它描述了研究最多的地震產(chǎn)生的斷層似乎有不同的區(qū)段。在兩次地震之間的間隔期內(nèi)，這些板塊反復破裂，積累了相同數(shù)量的應變，從而產(chǎn)生了相似震級的地震。假設這兩個理論一直存在，你可以根據(jù)1）最大未受力應變的位置，2）自上次地震發(fā)生以來的時間，以及3）對斷層帶的精確了解（在許多地區(qū)我們可能永遠無法實現(xiàn)）來預測下一次地震何時發(fā)生。

我們能做什么？

今天，預測方法主要集中在概率地震預測，即在一定時間范圍內(nèi)對特定區(qū)域內(nèi)的一般地震災害進行統(tǒng)計評估。概率預測涉及地震可能發(fā)生的概率，而早期的確定性預測技術涉及確定地震何時發(fā)生。概率預測可以向可能更容易發(fā)生地震風險的地區(qū)提供警告，使他們能夠在潛在的未來發(fā)生地震之前，通過改進的基礎設施設計和應急措施來加強抗震能力。

第二個有希望的發(fā)展是地震預警系統(tǒng)。在發(fā)現(xiàn)地震后，它會為可能受影響的鄰近地區(qū)提供幾秒到幾分鐘的實時警告。該系統(tǒng)利用了地震波的不同速度，這些地震波構(gòu)成了地震輻射的能量。簡而言之，如果系統(tǒng)在更危險、速度較慢的表面波到達之前檢測到最快波（稱為P波）的第一次到達，則可以觸發(fā)警報（見下圖）。使用高速自動化，甚至幾秒鐘的警告就足以停止機器，例如火車和電梯，并提醒人們注意安全。

地震預警系統(tǒng)運行中：當?shù)卣痖_始時，檢測到快速移動的P波，可以在較慢移動的表面波到達之前傳播緊急信息。

然而，由于不必要的緊急措施啟動，以及對商業(yè)和日常生活的潛在破壞，對于從未發(fā)生的地震的錯誤警告是昂貴的，就像“狼來了”的故事，它可能會破壞未來預警的可信度和有效性。為了避免這些問題，可以用人工智能（AI）技術來檢測人類無法看到的地震預測數(shù)據(jù)中的模式和信號。

接下來介紹兩個利用AI預測地震的最新研究成果。

谷歌和哈佛團隊利用深度學習來預測地震余震

谷歌和哈佛大學在Nature雜志發(fā)表的一篇論文中，研究人員展示了如何用深度學習預測余震位置，而且預測結(jié)果比現(xiàn)有模型更可靠。

他們訓練了一個神經(jīng)網(wǎng)絡，在一個包含131000多個“主震-余震”事件的數(shù)據(jù)庫中尋找模式，然后在一個包含30000對類似事件的數(shù)據(jù)庫中測試其預測。

“主震-余震”事件的一個樣本

深度學習網(wǎng)絡比最有用的現(xiàn)有模型（稱為“庫侖破裂應力變化”）更可靠。在從0到1的精度范圍內(nèi)——1是完全準確的模型，0.5是一半準確的模型——現(xiàn)有庫侖模型得分為0.583，而新的AI系統(tǒng)達到0.849。

“關于地震，你需要知道三件事情，”研究人員說：“它們什么時候發(fā)生、它們會有多強烈、它們會發(fā)生在哪里。在這項工作之前，我們有經(jīng)驗定律來解釋它們發(fā)生的時間和規(guī)模，現(xiàn)在我們正在研究它們可能發(fā)生在哪?！?/p>

人工智能在這一領域的成功歸功于該技術的核心優(yōu)勢之一：它能夠發(fā)現(xiàn)復雜數(shù)據(jù)集中以前被忽視的模式。這在地震學中尤為重要，因為在地震學中看到數(shù)據(jù)中的關聯(lián)性非常困難。地震事件涉及太多變量，從不同區(qū)域的地面構(gòu)成到地震板塊之間的相互作用類型，以及能量在地震波中穿過地球傳播的方式。理解這一切是非常困難的。

研究人員表示，他們的深度學習模型能夠通過考量一個被稱為“米塞斯屈服準則”（von Mises yield criterion）的因素來做出預測，這是一種用于預測材料何時開始在壓力下破裂的復雜計算。研究人員表示，這個因素常用于冶金等領域，“但在地震科學中從未流行過?！爆F(xiàn)在，隨著這一新模型的發(fā)現(xiàn)，地質(zhì)學家可以研究其關聯(lián)性。

盡管這項研究取得了成功，但它還遠未準備好在現(xiàn)實世界中應用。首先，AI模型只關注由地面永久性變化引起的余震，稱為靜態(tài)應力。但后續(xù)地震也可能是由于后來發(fā)生的地面隆隆聲造成的，稱為動態(tài)壓力?，F(xiàn)有模型也太慢而無法實時工作。這很重要，因為大多數(shù)余震發(fā)生在地震發(fā)生后的第一天，然后每過一天頻率大致減半。

機器學習檢測信號預測地震時間

此外，機器學習也被用于預測地震時間。發(fā)表在Nature Geoscience的兩篇相關論文中稱，利用機器學習的地震信號的檢測準確地預測了卡斯卡迪亞（Cascadia）斷層的緩慢滑動，這是在其他俯沖帶發(fā)生大地震之前觀察到的一種信號。（注：Cascadia 斷層是美加西海岸、太平洋東海岸的一條海溝斷層。）

Los Alamos國家實驗室的研究人員應用機器學習來分析Cascadia數(shù)據(jù)并發(fā)現(xiàn)發(fā)現(xiàn)巨大的推力會發(fā)出持續(xù)的震動，這是斷層位移的跡象。更重要的是，他們發(fā)現(xiàn)斷層聲音信號的響度與其物理變化之間存在直接的平行關系。Cascadia斷層出現(xiàn)的聲音，以前被視為毫無意義的噪音，預示著它的脆弱性，這可以幫助我們更準確地預測大地震。

機器學習通過學習自調(diào)整算法來創(chuàng)建選擇和重新測試一系列問題和答案的決策樹，來處理大量地震數(shù)據(jù)集，以找到不同的模式。去年，研究小組在實驗室模擬了一次地震，用鋼塊與巖石和活塞相互作用，并記錄了他們通過機器學習分析的聲音。他們發(fā)現(xiàn)，許多地震信號，以前被認為是無意義的噪聲，精確地指出了模擬斷層何時會滑動，這是地震預測的一個重要進展。更快、更強的地震有更大的信號。

研究人員在實驗室里模擬地震

研究小組決定將他們的新范式應用于現(xiàn)實世界：Cascadia斷層。最近的研究表明，Cascadia斷層很活躍，但被注意到的活動似乎是隨機的。該小組分析了該地區(qū)地震臺站12年來的真實數(shù)據(jù)，發(fā)現(xiàn)了類似的信號和結(jié)果：Cascadia持續(xù)的震顫量化了俯沖帶緩慢滑動部分的位移。在實驗室中，作者發(fā)現(xiàn)了一個類似的信號，可以準確地預測大范圍的故障。在Cascadia中仔細監(jiān)控可以提供有關鎖定區(qū)域的新信息，以提供預警系統(tǒng)。

那么，下一場大地震何時會發(fā)生？或許我們永遠都不會知道，但我們相信，隨著計算能力的增加和算法的優(yōu)化，機器學習將在地震預測方面具有巨大的潛力。