一項分析了數十萬次地震的機器學習研究在預測餘震位置方面優於標準方法。
科學家表示，這項工作為探索地面應力變化（例如大地震期間發生的變化）如何 觸發後續地震提供了一種新方法。 它還有助於研究人員開發評估地震風險的新方法。
“我們實際上只是觸及了機器學習在餘震預測方面可能發揮作用的皮毛，”馬薩諸塞州劍橋市哈佛大學的地震學家菲比·德弗里斯說。 她和她的同事於 8 月 29 日在 Nature. 上報告了他們的發現
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。 透過購買訂閱，您正在幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和想法的具有影響力的故事。
餘震發生在主震之後，其破壞性可能與最初的震動相當甚至更大。 2010 年 9 月，紐西蘭基督城附近發生的 7.1 級地震沒有造成人員死亡：但 5 個多月後發生的 6.3 級餘震，震中更靠近市中心，導致 185 人死亡。
2017 年 9 月 8 日，墨西哥發生強烈地震，士兵們站在 Sensacion 酒店前，該酒店在地震中倒塌。 圖片來源：Victoria Razo Getty Images
地震學家通常可以預測餘震的強度，但他們很難預測地震發生的地點。 到目前為止，大多數科學家使用一種技術，該技術計算地震如何改變附近岩石中的應力，然後預測這種變化在特定位置導致餘震的可能性有多大。 這種應力失效方法可以成功解釋許多大地震的餘震模式，但並非總是有效。
過去地震有大量資料可用，德弗里斯和她的同事決定利用這些資料來提出更好的預測方法。 “在那種情況下，機器學習是一種非常強大的工具，”德弗里斯說。
神經網路
科學家們研究了超過 131,000 次主震和餘震地震，包括近代史上一些最強烈的震動，例如 2011 年 3 月襲擊日本的 破壞性的 9.1 級事件。 研究人員使用這些資料訓練了一個神經網路，該網路模擬了一個網格單元，每邊 5 公里，圍繞著每次主震。 他們告訴網路發生了地震，並向其輸入了每個網格單元中心應力如何變化的資料。 然後科學家們要求它提供每個網格單元產生一次或多次餘震的機率。 該網路將每個單元格視為其自身要解決的小型獨立問題，而不是計算應力如何在岩石中連續傳播。
當研究人員在 30,000 次主震-餘震事件中測試他們的系統時，神經網路預測餘震位置比通常的應力失效方法更準確。 德弗里斯說，也許更重要的是，神經網路還暗示了主震後地面可能發生的一些物理變化。 它指出某些引數可能很重要——這些引數描述了金屬等材料中的應力變化，但研究人員通常不使用這些引數來研究地震。
新墨西哥州洛斯阿拉莫斯國家實驗室的地震學家丹尼爾·特魯格曼說，這些發現是朝著用新的眼光審視餘震邁出的良好一步。 “機器學習演算法正在告訴我們一些關於地震觸發背後複雜過程的根本性資訊，”他說。
加利福尼亞州斯坦福大學的地球物理學家格雷戈裡·貝羅扎說，最新的研究不會是關於餘震預測的最終定論。 例如，它沒有考慮到地震波穿過地球時發生的一種應力變化。 但“這篇論文應該被視為對餘震觸發的一種新看法”，他說。 “這很重要，而且具有啟發性。”
本文經許可轉載，並於 2018 年 8 月 29 日 首次發表。