預(yù)測能力升級！機(jī)器學(xué)習(xí)模型有望“拿捏”難以捉摸的余震？

作者：李寶珠

編輯：李瑋棟、xixi，三羊

地震的發(fā)生涉及諸多變量，「預(yù)測」存在挑戰(zhàn)，但余震發(fā)生次數(shù)及強(qiáng)度的預(yù)測已取得重大進(jìn)展。

2023 年 12 月 18 日 23 時 59 分，甘肅省臨夏州積石山縣發(fā)生 6.2 級地震，震源深度 10 公里，截至 19 日 06 時，當(dāng)?shù)鼐鸵呀?jīng)監(jiān)測到了 275 次余震。無獨(dú)有偶，日本石川縣能登半島于 2024 年 1 月 1 日下午發(fā)生 7.6 級地震，截至當(dāng)?shù)貢r間 2 日 6 時，地震烈度超 2 度的余震已發(fā)生 129 次。

（日本地震強(qiáng)度分級中的 2 表示：在建筑物中處于安靜狀態(tài)的人群中，很多都能感覺到搖晃。）

雖不似猝不及防的主震那般劇烈，但余震的威力也同樣不可小覷。一方面是因?yàn)閺?qiáng)震的余震震級往往也不?。涣硪环矫?，余震帶來的二次破壞，可能會令原本已極為脆弱的建筑進(jìn)一步被摧毀，致使更大面積的坍塌。

此外，頻繁的余震可能導(dǎo)致山體結(jié)構(gòu)不穩(wěn)，如遇降水還可能造成山體滑坡、泥石流等次生地質(zhì)災(zāi)害。然而，余震通常也是不可預(yù)測的，因?yàn)樵谡鸷蠖虝r間內(nèi)，很難確定主震會如何遠(yuǎn)程觸發(fā)其他區(qū)域的斷裂帶。

其實(shí)，人們從未停止探索如何實(shí)現(xiàn)地震預(yù)測，尤其是 AI、大數(shù)據(jù)等技術(shù)所展現(xiàn)出的數(shù)據(jù)處理與推理能力，提供了更加靈活的解題思路，也取得了喜人的進(jìn)展。Nature 記者 Alexandra Witze 此前曾在 Nature 發(fā)布報道，介紹了機(jī)器學(xué)習(xí)模型在預(yù)測地震余震及其強(qiáng)度方面的潛力。

原文鏈接：

https://www.nature.com/articles/d41586-023-02934-6

神經(jīng)網(wǎng)絡(luò)加持下的預(yù)測模型創(chuàng)新

災(zāi)難往往發(fā)生在電光火石之間，且難以憑借人力與之抗衡，所以人們才更加迫切地想要預(yù)測地震何時發(fā)生，從而提前撤離危險區(qū)域。雖然明確具體時間、地點(diǎn)的地震預(yù)測尚且很難實(shí)現(xiàn)，但余震預(yù)測卻在深度學(xué)習(xí)的加持下成為可能，這無疑也將在很大程度上幫助災(zāi)后避難，并減小傷亡。

就像大語言模型需要通過數(shù)百萬的單詞、語句、段落等進(jìn)行訓(xùn)練一樣，訓(xùn)練地震預(yù)測模型也需要大量過往的地震數(shù)據(jù)，以預(yù)測余震發(fā)生概率。但研究人員發(fā)現(xiàn)，想要通過罕見的大地震明確預(yù)測所需要的檢測指標(biāo)，在實(shí)踐中并不容易。過去幾年，地震學(xué)家利用機(jī)器學(xué)習(xí)，發(fā)現(xiàn)了過往地震記錄中從未被發(fā)現(xiàn)過的小地震，從而豐富了現(xiàn)有數(shù)據(jù)，為第二輪機(jī)器學(xué)習(xí)分析提供了新的素材。

美國地質(zhì)勘探局 (United States Geological Survey, USGS) 目前使用的預(yù)測模型，是根據(jù)過往地震的震級和發(fā)生地點(diǎn)來預(yù)測可能發(fā)生的地震。而目前有三篇論文均采用了基于神經(jīng)網(wǎng)絡(luò)的預(yù)測方法，更好的捕捉了地震發(fā)生的復(fù)雜規(guī)律。

首先，加州大學(xué)伯克利分校的地球物理學(xué)家 Kelian Dascher-Cousineau 及同事，在 2008 年至 2021 年間南加州發(fā)生的數(shù)千次地震數(shù)據(jù)中測試了他們的模型。在預(yù)測兩周內(nèi)滾動發(fā)生的地震次數(shù)方面，該模型優(yōu)于標(biāo)準(zhǔn)模型。此外，該模型還能更好地捕捉到可能發(fā)生的地震震級范圍，從而減少發(fā)生意外大地震的幾率。

目前，業(yè)內(nèi)廣泛使用的地震演化模擬方法是 ETAS (epidemic-type aftershock sequence) 模型。

具體而言，該研究測試了主震的屬性，以及背景（深度、板塊邊界類型等）和震源（輻射能量、震源尺寸等）如何影響余震的數(shù)量，并將神經(jīng)點(diǎn)過程模型 (neural-temporal point processes) 引入到標(biāo)準(zhǔn)地震預(yù)報框架中。

來源：Kelian Dascher-Cousineau 的 GitHub 個人主頁https://keliankaz.github.io/academic-profile/

其次，英國布里斯托爾大學(xué)應(yīng)用統(tǒng)計學(xué)家 Samuel Stockman，也開發(fā)了基于神經(jīng)點(diǎn)過程的模型，在對 2016-2017 年意大利中部的地震數(shù)據(jù)進(jìn)行訓(xùn)練時表現(xiàn)良好，并且，當(dāng)研究人員降低訓(xùn)練集中的地震震級時，該機(jī)器學(xué)習(xí)模型表現(xiàn)得更好。

該研究已經(jīng)發(fā)表于 Earth’s Future。研究表明，神經(jīng)點(diǎn)過程對低震級數(shù)據(jù)的預(yù)測性能優(yōu)于地震余震統(tǒng)計模型 ETAS (Epidemic-Type Aftershock Sequence)，且訓(xùn)練速度快。

論文地址：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2023EF003777

最后，以色列特拉維夫大學(xué)物理學(xué)家 Yohai Bar-Sinai 領(lǐng)導(dǎo)團(tuán)隊開發(fā)了基于 encoder-decoder 的模型 FERN (Forecasting Earthquake Rates with Neural networks)，在對日本 30 年的地震數(shù)據(jù)進(jìn)行測試時，該模型的表現(xiàn)也優(yōu)于標(biāo)準(zhǔn)模型。

模型體系架構(gòu)

如上圖所示，模型輸入由神經(jīng)網(wǎng)絡(luò)編碼，生成構(gòu)造狀態(tài)的潛在表征，然后傳遞給解碼器網(wǎng)絡(luò)。其思路的優(yōu)勢在于，可以自然而然地納入不同的數(shù)據(jù)源和模式，并通過特定數(shù)據(jù)源編碼器添加到模型中。此外，同一編碼狀態(tài)可作為多個預(yù)測頭（解碼器）的輸入，用于不同的預(yù)測任務(wù)。該研究已發(fā)表于 Nature。

論文地址：https://www.nature.com/articles/s41598-023-38033-9

智能地動——AI 地震實(shí)時監(jiān)測系統(tǒng)

人們對「防患于未然」的期盼是推動地震預(yù)警系統(tǒng)持續(xù)升級的巨大動力，但我們首先要明確的是，目前已經(jīng)落地應(yīng)用并且持續(xù)迭代的是地震預(yù)警系統(tǒng)，而非地震預(yù)測。

兩者雖只是一字之差，但技術(shù)難度與實(shí)際效果卻迥然不同。地震預(yù)警，是指在地震發(fā)生以后，搶在地震波傳播到設(shè)防區(qū)域前，提前幾秒至數(shù)十秒向其發(fā)出警報，以告知人們采取應(yīng)急措施，從而減少傷亡；地震預(yù)測，則是指對尚未發(fā)生、但有可能發(fā)生的地震事件進(jìn)行預(yù)告。

圖源：微博@衝鋒號角

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，以及地震波通過地球傳播的方式，地震的評估涉及諸多變量，人們需要全面理解所有因素才能做出準(zhǔn)確的判斷。所以，「預(yù)測」并非易事，但「預(yù)警」則不然。

帶入模型的視角看待「地震預(yù)警」，首先需要保障地震數(shù)據(jù)的及時輸入，其次是快速、準(zhǔn)確地處理正在發(fā)生的地震數(shù)據(jù)，進(jìn)而推斷斷層的破裂方向、速度等，最后再通過通信手段實(shí)時傳送至受災(zāi)區(qū)域。這一過程堪比與死神賽跑，也僅能爭取到數(shù)秒的逃生時間。有數(shù)據(jù)顯示，當(dāng)?shù)卣鸢l(fā)生后，如果能夠提前3秒接收到地震預(yù)警信息，傷亡就會減少 14%，如果能提前 10 秒，傷亡就會減少 39%。

目前，全球多地都部署了地震預(yù)警系統(tǒng)，但接收預(yù)警信息的時間大多在 3-10 分鐘。日本 REIS 地震預(yù)警系統(tǒng)，可在收到地震波信號 5 秒鐘后計算出地震位置和震級，約 2 分鐘后估計出地震破裂的震源機(jī)制；美國國家地質(zhì)勘探局的自動速報系統(tǒng)需要 3-5 分鐘報出地震信息；我國則在 2021 年發(fā)布了世界首個人工智能地震「實(shí)時」監(jiān)測系統(tǒng)——智能地動。

該系統(tǒng)由中國科學(xué)技術(shù)大學(xué)張捷教授團(tuán)隊與中國地震局合作研發(fā)，可以在 1 秒鐘內(nèi)獲得地震三要素——時（發(fā)震時刻）、空（震源位置）、強(qiáng)（地震震級），并獲得震源機(jī)制，即斷層破裂方向、速度等信息，從而實(shí)現(xiàn)地震信息的實(shí)時、自動檢測與發(fā)布。

究其原理，「智能地動」主要是基于深度學(xué)習(xí)能力，根據(jù)數(shù)據(jù)庫中匯集的上百萬個地震資料，結(jié)合地震學(xué)理論，快速處理正在發(fā)生的地震數(shù)據(jù)。

而更重要的是，在監(jiān)測到地震數(shù)據(jù)后，如何第一時間發(fā)出預(yù)警信息。

在本次甘肅地震中，積石山縣附近的西寧、成都等地均有用戶收到了手機(jī)地震預(yù)警，時間在 120 秒—240 秒不等，不少網(wǎng)友都在感嘆國產(chǎn)手機(jī)的強(qiáng)大，但其實(shí)功勞更應(yīng)該歸功于成都高新減災(zāi)研究所與中國地震局聯(lián)合建設(shè)的中國地震預(yù)警網(wǎng)提供了預(yù)警信息。其中，預(yù)警網(wǎng)提前 12 秒向距震中 56 千米的臨夏市發(fā)出預(yù)警，提前 29 秒向距震中 110 千米的蘭州市發(fā)出預(yù)警。

據(jù)成都高新減災(zāi)研究所所長王暾介紹，地震預(yù)警技術(shù)的原理是電磁波的傳播遠(yuǎn)快于地震波，在地震橫波到達(dá)預(yù)警目標(biāo)區(qū)域之前，利用傳播速度更快的電磁波向可能受影響地區(qū)發(fā)出預(yù)警。目前，華為、小米等國產(chǎn)手機(jī)均已接入中國地震預(yù)警網(wǎng)的地震預(yù)警功能，這次也是中國地震預(yù)警網(wǎng)第 80 次預(yù)警破壞性地震。

人類在自然災(zāi)害面前何其渺小，但隨著 AI、大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的持續(xù)升級，我們也在用科技武裝自己、日益強(qiáng)大起來。伴隨新興技術(shù)的加速迭代，人們也將不斷優(yōu)化地震預(yù)警系統(tǒng)，并向著「預(yù)測地震」的目標(biāo)努力！