四川长宁地震预警系统立大功！但AI地震预测还有多远？

　　导读：6月17日22时55分，四川宜宾市长宁县发生6.0级地震，截至6月18日15时55分，地震已导致13人死亡，200人受伤。对于此次地震灾害我们深表惋惜，希望灾区人民能够平安度过灾难。同时，通过此次地震我们认识了起到至关重要作用的ICL地震预警系统，它利用电波比地震波速度快的原理，在地震造成破坏前，提前61秒发出预警，极大地减少了伤亡和损失。但此次地震只做到了“预警”而非“预测”，那么，目前地震预测究竟面临了哪些难题？在AI大热的今天，AI在地震预测方面又有哪些进展呢？

　　对于已经不是第一次经历地震的四川人民而言，与以往不同的是，在6.0级地震中，地震预警网提前10秒向宜宾预警，提前61秒向成都预警，为震区群众赢得了宝贵的时间，并且在微博等渠道获得赞誉。

　　

　　地震预警

　　

　　

　　网友评价

　　要知道，如果预警时间为3秒，可使伤亡率减少14%；如果预警时间为10秒和60秒，可使人员伤亡减少39%和95%。而ICL地震预警系统提前61秒预警可谓是立下大功了！

　　据了解，此次6级地震在四川成都、德阳、资阳等地实现了成功预警。截至2019年6月18日9时整，共记录到2.0级及以上余震68次，最大余震5.3级。

　　经此一劫，大家已切身体会到了地震预警黑科技的神奇之处，但千万别忽略了地震预警警报的含义，这才是地震预警技术为大家所认知的价值所在！当听到地震预警警报，该如何理解警报传达的意思？应当怎样科学应对？

　　60，58，56…轻微震感无破坏，报时中间没有滴声提示。

　　60滴！58滴！56滴！…震感较为明显但破坏性低，报时中间有一声滴提示。

　　60滴滴！58滴滴！56滴滴！…震感强烈且存在破坏性，报时中间有两声滴提示。需要赶紧逃跑或者寻找狭小空间躲避。

　　听懂地震预警警报，科学判断应对方式。

　　目前，成都高新减灾研究所与地震部门合作建设的大陆地震预警网，已是世界上最大的地震预警网，覆盖面积达220万平方公里、覆盖了我国地震区人口90%(6.6亿人)。主要分布在南北地震带、华北地震带、东南沿海地震带、新疆西北部等区域，已经延伸至31个省份，并成功预警芦山7级地震、鲁甸6.5级地震、九寨沟7级地震等52次破坏性地震。使得我国成为继墨西哥、日本后第三个具有地震预警技术能力的国家，并使得我国地震预警技术处于世界领先水平。

　　当然，地震预警网的实现，不仅仅是成都高新减灾研究所的功劳，它也离不开广播电视、互联网、智能手机和线下居民小区等各类预警渠道的支持。此外，成都高新减灾研究所于多年前推出了自己的手机App——地震预警，内置了地震列表、地震分布、地震科普等功能，有需要的赶紧下载吧！

　　

　　地震预警App

　　虽然地震预警在一定程度上可以帮助人类减少地震造成的伤亡与损失，但仍无法真正意义上规避地震灾害，只有可靠预测地震才有可能，但可靠的地震预测是非常困难的，它主要面临三个难题：

　　①地球的“不可入性”。地震一般发生在地下10~20km 处，由于地球内部的“不可入性”，人们对地下震源的研究，仅能依靠地球物理勘探技术从地表间接地探测。

　　②地震现象的复杂性。由于孕震过程是非线性的，其演化途径和结果不是唯一确定的，它存在多种可能性，至今仍未找到一种确定性的地震前兆。

　　③地震发生的小概率性。一般而言，大地震的复发周期为数百年乃至数千年，远远超过了现代仪器观测时间，限制了对已有预报思路和方法的有效检验。

　　面对地震灾害，目前我们能实现的是以下两种方式：

　　地震概率预测——即在一定时间范围内对特定区域内的一般地震灾害进行统计评估。概率预测涉及地震可能发生的概率，而早期的确定性预测技术涉及确定地震何时发生。概率预测可以向可能更容易发生地震风险的地区提供警告，使他们能够在潜在的未来发生地震之前，通过改进的基础设施设计和应急措施来加强抗震能力。

　　地震预警系统——在发现地震后，它会为可能受影响的邻近地区提供几秒到几分钟的实时警告。该系统利用了地震波的不同速度，这些地震波构成了地震辐射的能量。简而言之，如果系统在更危险、速度较慢的表面波到达之前检测到最快波（称为P波）的第一次到达，则可以触发警报（见下图）。使用高速自动化，甚至几秒钟的警告就足以停止机器，例如火车和电梯，并提醒人们注意安全。

　　

　　地震预警系统运行中，当地震开始时，检测到快速移动的P波，可以在较慢移动的表面波到达之前传播紧急信息。

　　据资料，预警系统主要分为四个环节，地震监测、预警信息分析和处理、预警信息发布、预警信息接收和应用。具体来说，在地震危险区域布设高密度的台网，监测地震，监测仪将监测到的地震动的关键信息发送至预警中心进行分析和处理，然后预警中心发布预警信息，用户接收预警信息并进行避险和紧急处置。

　　

　　然而，由于不必要的紧急措施启动，以及对商业和日常生活的潜在破坏，对于从未发生的地震的错误警告是昂贵的，就像“狼来了”的故事，它可能会破坏未来预警的可信度和有效性。为了避免这些问题，可以用AI技术来检测人类无法看到的地震预测数据中的模式和信号。

　　地震通常按序发生：最初的 “主震”（通常是新闻头条级别的事件）往往伴随着一系列 “余震”。虽然这些余震一般都小于主震，但在某些情况下，它们可能会严重阻碍灾后的恢复工作。余震的时间和大小尽管已经通过一些既定的经验法则进行诠释和理解，但预测这些事件的位置更具挑战性。

　　谷歌和哈佛大学在Nature杂志发表的一篇论文中，研究人员展示了如何用深度学习预测余震位置，而且预测结果比现有模型更可靠。

　　他们训练了一个神经网络，在一个包含131000多个“主震-余震”事件的数据库中寻找模式，然后在一个包含30000对类似事件的数据库中测试其预测。

　　

　　“主震-余震”事件的一个样本

　　深度学习网络比最有用的现有模型（称为“库仑破裂应力变化”）更可靠。在从0到1的精度范围内——1是完全准确的模型，0.5是一半准确的模型——现有库仑模型得分为0.583，而新的AI系统达到0.849。

　　“关于地震，你需要知道三件事情，”研究人员说：“它们什么时候发生、它们会有多强烈、它们会发生在哪里。在这项工作之前，我们有经验定律来解释它们发生的时间和规模，现在我们正在研究它们可能发生在哪。”

　　人工智能在这一领域的成功归功于该技术的核心优势之一：它能够发现复杂数据集中以前被忽视的模式。这在地震学中尤为重要，因为在地震学中看到数据中的关联性非常困难。地震事件涉及太多变量，从不同区域的地面构成到地震板块之间的相互作用类型，以及能量在地震波中穿过地球传播的方式。理解这一切是非常困难的。

　　研究人员表示，他们的深度学习模型能够通过考量一个被称为“米塞斯屈服准则”（von Mises yield criterion）的因素来做出预测，这是一种用于预测材料何时开始在压力下破裂的复杂计算。研究人员表示，这个因素常用于冶金等领域，但在地震科学中从未流行过。现在，随着这一新模型的发现，地质学家可以研究其关联性。

　　尽管这项研究取得了成功，但它还远未准备好在现实世界中应用。首先，AI模型只关注由地面永久性变化引起的余震，称为静态应力。但后续地震也可能是由于后来发生的地面隆隆声造成的，称为动态压力。现有模型也太慢而无法实时工作。这很重要，因为大多数余震发生在地震发生后的第一天，然后每过一天频率大致减半。

　　近年来，研究人员们发现了一个导致地震的隐藏信号——一种特殊的声音。这种声音由地壳的断层运动所发出，而地壳的断层运动被认为是地震的主因，机器学习算法能够找到这种运动发出声音中的规律，评估断层的压力以及发生断裂所需时间，最终进行精确预测。

　　发表在Nature Geoscience的两篇相关论文中称，利用机器学习的地震信号的检测准确地预测了卡斯卡迪亚（Cascadia）断层的缓慢滑动，这是在其他俯冲带发生大地震之前观察到的一种信号。（注：Cascadia 断层是美加西海岸、太平洋东海岸的一条海沟断层。）

　　Los Alamos国家实验室的研究人员应用机器学习来分析Cascadia数据并发现发现巨大的推力会发出持续的震动，这是断层位移的迹象。更重要的是，他们发现断层声音信号的响度与其物理变化之间存在直接的平行关系。Cascadia断层出现的声音，以前被视为毫无意义的噪音，预示着它的脆弱性，这可以帮助我们更准确地预测大地震。

　　机器学习通过学习自调整算法来创建选择和重新测试一系列问题和答案的决策树，来处理大量地震数据集，以找到不同的模式。去年，研究小组在实验室模拟了一次地震，用钢块与岩石和活塞相互作用，并记录了他们通过机器学习分析的声音。他们发现，许多地震信号，以前被认为是无意义的噪声，精确地指出了模拟断层何时会滑动，这是地震预测的一个重要进展。更快、更强的地震有更大的信号。

　　

　　研究人员在实验室里模拟地震

　　研究小组决定将他们的新范式应用于现实世界：Cascadia断层。最近的研究表明，Cascadia断层很活跃，但被注意到的活动似乎是随机的。该小组分析了该地区地震台站12年来的真实数据，发现了类似的信号和结果：Cascadia持续的震颤量化了俯冲带缓慢滑动部分的位移。在实验室中，研究者发现了一个类似的信号，可以准确地预测大范围的故障。在Cascadia中仔细监控可以提供有关锁定区域的新信息，以提供预警系统。

　　从某种程度上来讲，地理学家很早就能对地震做出预测，然而他们的预测只能称得上是估算，他们会根据以往的经历观测数据，对未来的地震进行周期性的预测，这种预测方式有时会有着很大的误差。

　　为了提高地震预测的精度，科学家研究了大量地震前的征兆：前震、电磁干扰、地下水文变化——甚至是不寻常的动物行为，不过这些尝试似乎都不太奏效。

　　对于已知AI地震预测方法目前还停留在实验室阶段，而真实地震要复杂得多。真实地震中的压力，要比实验中大好几个数量级，岩石温度不同也会造成声波差异。

　　研究人员也表示，方法是否有效，自然要看其在真实环境下预测地震的表现。所以，研究的下一个目标将会是，在尽可能接近实验环境的条件下进行地震预测。不过，准确预测地震这项工作相当繁杂，未来还有很长的路要走。

　　那么，下一场大地震何时会发生？或许我们永远都不会知道，但我们相信，随着计算能力的增加和算法的优化，机器学习将在地震预测方面具有巨大的突破。

　　来源：维识教育科技

　　作者简介：武汉维识教育科技有限公司专注于智能工程技术领域的多维教育，依托具有自主知识产权的机器人核心算法和技术，将前沿技术及时转化为系统的培养方案和课程体系，旨在推动人工智能机器人的科普和专业教育。