減輕破壞程度是地震研究者的一個(ge) 重要目標。當破壞性地震發生時，實時報告地震參數對於(yu) 立即進行破壞評估和緊急疏散至關(guan) 重要。研究人員發現，利用深度學習(xi) 算法，人工智能係統可在收到地震記錄後不到1秒時間內(nei) ，準確估算出震源機製解參數。

■本報記者 張雙虎

快速自動化揭示地震震源信息對地震預警有直接作用，也可為(wei) 震後趨勢判定、烈度速報、地震應急救援等提供科學依據。但是，從(cong) 地震記錄推算地震震源機製是個(ge) 耗時的計算過程。因此，目前世界各地地震監測台網在速報信息裏隻有發震時刻、震級、地點和震源深度等內(nei) 容，不包括描述地震破裂特征的震源機製解參數。

日前，美國國家工程院院士、中國科學技術大學地空學院大師講席教授張捷課題組發表在《自然—通訊》的一篇論文顯示，利用深度學習(xi) 算法，人工智能係統可在收到地震記錄後不到1秒時間內(nei) ，準確估算出震源機製解參數。

重要的震源機製解

2004年12月26日8時58分55秒，一場震驚世界的重大災難突然降臨(lin) 。

印度洋板塊與(yu) 亞(ya) 洲板塊交界處，發生了裏氏9.3級地震。地震又引發了強烈海嘯，滔天巨浪席卷了包括印度尼西亞(ya) 、斯裏蘭(lan) 卡、馬爾代夫等國，造成了巨大的人員傷(shang) 亡和財產(chan) 損失。

“印度洋大地震發生時正值聖誕假期，許多國家的地震專(zhuan) 業(ye) 人員都在度假。”張捷告訴《中國科學報》，“當時震源是大型逆衝(chong) 破裂。震後15分鍾，海嘯最先到達印尼，但卻沒有預警，最後造成14個(ge) 國家共22萬(wan) 餘(yu) 人失去生命。”

張捷解釋說，從(cong) 地震震源參數來說，海底逆衝(chong) 類型地震可能會(hui) 掀起海浪，造成海嘯，而其他類型地震產(chan) 生海嘯的可能性比較小。

震源機製解（又稱斷層麵解）是利用地震觀測資料來研究地震發生時，震源處作用力和斷層錯動性質。震源機製解不僅(jin) 可以幫助了解斷層的類型，還可以揭示斷層在地震發生時具體(ti) 的運動情況，描述滑斷麵的特征，走向、傾(qing) 向、傾(qing) 角等。

“除能幫助預測海嘯外，震源機製解還可能用於(yu) 由前震預測主震，或由主震資料預測強餘(yu) 震，揭示震源附近的應力分布狀況等。”張捷說，“了解地震的震源滑斷特征非常重要。在很多地震活動帶，我們(men) 已經掌握了斷層係的分布，依據震源滑動參數就能判斷出是哪個(ge) 斷層係開始活動、其應力方向在哪兒(er) 、附近其他類似斷層會(hui) 不會(hui) 出現危險等。”

1秒內(nei) 報出參數

“從(cong) 地震記錄推算地震震源機製的難點在於(yu) ，傳(chuan) 統方法計算強度太大。該數值解非線性問題，計算時間長。對地震發生前後各種應對準備及震後搶險救災來說，每一秒都非常珍貴。”張捷說。

自1938年地震學家第一次推算地震震源機製解開始，如何快速得出震源機製參數一直是地震研究者想解決(jue) 的問題。時至今日，世界各地地震監測台網在地震速報信息時，仍不包括震源機製參數。研究人員往往在地震發生幾分鍾或更長時間後，才能報出震源機製參數。

2014年，張捷課題組與(yu) 中國科大計算機學院教授陳恩紅課題組合作，用互聯網搜索引擎技術，實現了快速報出數據庫裏存好的震源機製解。該論文發表在《自然—通訊》上。隨後，該方法在四川、雲(yun) 南投入地震監測，成為(wei) 當時最先進的震源機製解速報技術。但該方法受數據庫約束，難以應用於(yu) 較大的地震監測區域。

在這一領域持續深耕7年後，課題組首次利用人工智能方法，突破了數據庫的約束，使該方法適用於(yu) 大區域地震監測。

目前，美、日等國速報震源參數水平相當。美國國家地震局最快能在震後3分鍾報出最初的地震震源機製解，隨後幾分鍾內(nei) 有可能再進行修正完善，多數情況是在地震發生10分鍾以後才能報出。

“中國地震局台網中心最近幾年在持續提高速報能力，2020年平均速報時間在震後572秒（約10分鍾），其中不包括震源機製解。”張捷補充說。

“在這項研究中，我們(men) 利用機器學習(xi) 算法，提出一種新的深度卷積神經網絡——震源機製網絡（FMNet），利用全波形信息快速估計震源機製。”該論文第一作者、已在美國斯坦福大學地球物理係從(cong) 事博士後研究的況文歡對《中國科學報》說，“與(yu) 一般應用中有監督神經網絡模型的訓練需要大量的實際數據不同，FMNet可以先用合成數據訓練，然後直接應用於(yu) 實際數據。FMNet從(cong) 綜合訓練數據中學習(xi) 與(yu) 震源機製有關(guan) 的波形的普遍特征。”

“人工智能方法可以通過學習(xi) 、驗證與(yu) 測試完善自身係統。但一個(ge) 區域曆史地震不夠、樣本不夠，怎麽(me) 解決(jue) 機器學習(xi) 問題？”張捷說，“我們(men) 發現采用理論計算數據做訓練樣本非常有效。實際上，目前發表的震源機製解方麵的研究，也是通過理論模型和數據反演得到的，機器學習(xi) 隻不過掌握了所有理論星空体育官网入口网站，因此速度與(yu) 準確度更好。”

“應用完備的理論地震大數據訓練人工智能神經網絡，完善了該係統的準確性和可靠性。”況文歡說，“經過幾天的學習(xi) ，當地震發生後，實際地震數據進入人工智能係統後，在不到1秒的時間內(nei) ，係統就可以準確地估算出震源機製參數。”

研究參數“平民化”

“該成果第一次實現了全自動瞬間報出所有震源參數。在此之前，這是個(ge) ‘研究參數’，地震學家經常發論文報告某個(ge) 地震的震源機製解。”張捷說，“能夠實時提供震源機製解，將引領全球地震監測水平進入一個(ge) 新的階段。”

張捷解釋說，有了地震震源機製解後，就知道單個(ge) 地震是哪個(ge) 斷層在活動，從(cong) 而推斷應力分布，預測地震風險。雖然震源機製解的概念公眾(zhong) 並不容易理解，但預警係統可以依據震源機製解做出決(jue) 定，通知公眾(zhong) 風險程度。

“大量實際數據測試證實了該方法的有效性。”況文歡說，“我們(men) 使用震源機製來描述斷層地質和斷層機製，也可以利用主震的震源機製來計算應力變化，以檢驗餘(yu) 震的地震觸發理論。此外，及時導出的震源機製可以為(wei) 目前正在實施的點源地震動預測模型提供重要的補充，有可能幫助改進地震預測，以便進行早期預警。”

對團隊取得的成果，該論文的三位審稿人一致評價(jia) 為(wei) ，“非常激動人心的突破性成果”。

“提高地震預測預警的準確性，需要密集的高頻監測數據采集和實時處理，現有的人機結合工作模式已不適應這一要求。這一成果為(wei) 地震監測、預測預警業(ye) 務實現快速、高效的智能化轉型提供了堅實的基礎。”中國地震局科技與(yu) 國際合作司司長車時告訴《中國科學報》。

北京大學理論與(yu) 應用地球物理研究所所長趙裏評價(jia) 說：“張捷教授團隊在人工智能解決(jue) 地震監測預警領域不斷取得突破，並應用到川滇地震科學實驗場，對我國的地震減災事業(ye) 意義(yi) 重大。”

“減輕破壞程度是地震研究者的一個(ge) 重要目標。當破壞性地震發生時，實時報告地震參數對於(yu) 立即進行破壞評估和緊急疏散至關(guan) 重要。該研究目前正在轉化為(wei) 實際成果，近期將在中國科學技術大學和中國地震局合作研發的‘智能地動’人工智能地震監測係統上試運行，在中國地震科學實驗場全麵推廣。”張捷說。

相關(guan) 論文信息：https://doi.org/10.1038/s41467-021-21670-x