四川宜宾发生6.0级地震：61秒“预警信息”立大功，AI或将完成地震预测
【新智元前言】昨天 22 时 55 分，四川宜宾市长宁县发生 6.0 级地震，截止 8 时 30 分，已导致 12 人死亡，125 人负伤。而在本次地震全过程中，“地震预警” 系统软件具有了尤为重要的功效：预警信息 20 秒，死伤降低 63%。但是，“预警信息” 非预测，那麼在 AI 热门今日，人工智能技术在地震预测层面又有何进度呢？
昨天 22 时 55 分，四川宜宾市长宁县发生 6.0 级地震，震源深度 16 公里。
今天早晨 7 时 34 分，再度发生 5.3 级地震，震源深度 17 公里。
截止 8 时 30 分，已导致 12 人死亡，125 人负伤。据了解，本次地震是近年来，四川地区首起 6.0 级及之上地震震级的地震，在这以前，四川2020年较大 的地震是自贡荣县发生的 4.9 级地震。
而在本次地震中，“地震预警” 具有了尤为重要的功效：成都市提早 61 秒接到地震预警！
据了解，成都市现有 110 个小区完成 “喇叭” 倒数计时预警信息，在其中成都市高新区 60 个。另外，成都高新抗灾研究室还根据手机信息、电视机等方式向小区住户公布预警信息信息内容。
那麼这一地震预警究竟有多关键？研究表明：预警信息時间 10 秒，死伤降低 39%；時间为 20 秒，死伤降低 63%。
而本次，网民们也禁不住对预警信息的精确性表明佩服。
“预警信息” 非预测：20 秒，伤亡人数降低 63%
那麼，这一地震预警系统软件究竟是什么武器呢？
从成都高新抗灾研究室处获知，本次取得成功预警信息地震的，为该所与应急管理部门（包含原县市地震单位）协同基本建设的内地地震预警网。
成都高新抗灾研究室优点 王暾博士研究生据成都高新抗灾研究室优点王暾博士研究生详细介绍：
大家所做的工作中是地震预警，而并不是地震气象预报，临震气象预报依然是难题。地震预警只有降低工作人员损害，而不可以保证防止。
为了更好地完成地震预警，必须在很有可能发生地震的地区安裝地震预警的感应器。这类感应器并不价格昂贵，也不用在野外安裝，能够根据即时的互联网 (乃至是 2G 互联网) 来传送地震波的数据信息，地震预警的感应器乃至能够固定不动在墙壁。
根据这种传回家的数据信息，我们可以分辨地震发生的部位及其大约的地震震级。互联网和电子计算机的响应速度十分快，只必须几秒的時间。
据统计，地震预警系统软件是一个自动式的物联网技术，可完成自动式的秒级回应。主要是利用电磁波比地震波快速传播快的基本原理，在地震导致毁坏前几秒钟到几十秒，传出地震预警报警，提示群众立即紧急避险，让关键工程项目应急应急处置以降低财产损失和次生灾害。
而电视机地震预警则是利用电视网络在电视机附近，发生强震的情况下，电视机就可以全自动地弹出来几秒钟到几十秒的报警，便于在强震来临以前，普通百姓在看电视剧的情况下，就可以提早紧急避险。
现阶段技术性早已容许的状况下，要是电视机顶盒就能接到震预警信息的音响喇叭，在电视机关住的情况下，也可以全自动传出报警。
据王暾优点详细介绍，自四川汶川余震区发展趋势的在我国地震预警成效，早已处在全世界领先地位。
成都高新抗灾研究室与地震单位协作基本建设的内地地震预警网覆盖范围达 220 万公顷，遮盖在我国地震区人口数量 90％，已取得成功预警信息芦山 7 级地震、鲁甸 6.5 级地震、九寨沟 7 级地震等 52 次毁灭性地震。
为何预测下一场大地震这般艰难？
使我们先从一个简易的难题刚开始：下一次大地震将在哪儿发生？
研究表明，很大的断层一般会造成很大的地震。理论上，假如全部的断层都被绘图出来，那麼大家应当可以对一个特殊地域很有可能历经的最明显的地震多方面限定。这一点很重要，由于地震释放出来的动能转变可能是万亿次方的（quadrillions）。
殊不知，可能断层尺寸和释放出来的相对动能并不一直这么简单。断层常主要表现出繁杂的几何图形形状，促使对断层地区的模型复杂化。除此之外，断层很有可能另外裂开：在澳大利亚 2016 年的 Kaikōura 地震期内，13 个不一样的断层另外裂开。除此之外，近期的历史时间证实，地震尺寸并不一直与危害有关；依据发生的地址，中等水平地震震级的地震很有可能比 “大” 地震更具有毁灭性。比如，1994 年佛罗里达州北岭 6.7 级地震导致重特大经济损失和性命损害，而 2018 年斐济 8.2 级地震抗压强度为 178 倍，仍未导致一切损害。因而，地震的地震震级并不可以表明全部状况。
1900 年 - 2013 年地震 7.0 级及之上的地形图如今来回应更为繁杂的难题：下一次大地震什么时候发生？
预测时间地震预测中较难的挑戰。实际上，有二种基础理论能够告知大家（最好是的）预测是有缺陷的。
第一种基础理论称之为延展性回跳基础理论，它强调地表在明显的工作压力下能弯折形变，直至最后在应变力下开裂。顺着开裂的载荷（即地震）使两边的岩层回弹力到形变较小的情况，并释放出来存储的动能，进而使积累应变力的全过程从头开始。
第二种基础理论被称作特点地震，它叙述了科学研究数最多的地震造成的断层好像有不一样的路段。在2次地震中间的观察期内，这种版块不断裂开，累积了同样总数的应变力，进而造成了类似地震震级的地震。假定这两个基础理论一直存有，你能依据 1）较大 未承受力应变力的部位，2）自之前地震发生至今的時间，及其 3）对断层带的精准掌握（在很多地域大家很有可能始终没法完成）来预测下一次地震什么时候发生。
大家能干什么？
今日，预测方式关键集中化在几率地震预测，即在一定时间段内对特殊地区内的一般地震灾难开展统计分析评定。几率预测涉及到地震很有可能发生的几率，而初期的可预测性预测技术性涉及到明确地震什么时候发生。几率预测能够向很有可能更非常容易发生地震风险性的地域出示警示，使她们可以在潜在性的将来发生地震以前，根据改善的基础设施建设设计方案和应急措施来提升抗震等级工作能力。
第二个有期待的发展趋势是地震预警系统软件。在发觉地震后，它会为很有可能受影响的邻近地区出示几秒钟到十多分钟的即时警示。该系统软件利用了地震波的不一样速率，这种地震波组成了地震辐射源的动能。简单点来说，假如系统软件在更风险、速率比较慢的表面波抵达以前检验到更快波（称之为 P 波）的第一次抵达，则能够开启报警（见下面的图）。应用髙速自动化技术，乃至几秒的警示就足够终止设备，比如列车和电梯轿厢，并提示大家确保安全。
地震预警系统软件运作中：当地震刚开始时，检验到迅速挪动的 P 波，能够在比较慢挪动的表面波抵达以前散播应急信息内容。
殊不知，因为多余的应对措施起动，及其对商业服务和生活起居的潜在性毁坏，针对从没发生的地震的不正确警示是价格昂贵的，如同 “狼来了” 的小故事，它很有可能会毁坏将来预警信息的真实度和实效性。为了更好地防止这种难题，可以用人工智能技术（AI）技术性来检验人们没法见到的地震预测数据信息中的方式和数据信号。
接下去详细介绍2个利用 AI 预测地震的全新科研成果。
Google和哈佛大学精英团队利用深度神经网络来预测地震余震
Google和美国哈佛大学在 Nature 杂志发表的一篇毕业论文中，科学研究工作人员展现了怎样用深度神经网络预测余震部位，并且预测結果比目前实体模型更靠谱。
她们训炼了一个神经元网络，在一个包括 131000 好几个 “主震 - 余震” 恶性事件的数据库查询中找寻方式，随后在一个包括 30000 对相近恶性事件的数据库查询中检测其预测。
“主震 - 余震” 恶性事件的一个样版深度神经网络互联网比最有效的目前实体模型（称之为 “库仑裂开地应力转变”）更靠谱。在从 0 到 1 的精密度范畴内 ——1 是彻底精确的实体模型，0.5 是一半精确的实体模型 —— 目前库仑实体模型得分成 0.583，而新的 AI 系统软件做到 0.849。
“有关地震，你需要了解三件事儿，” 科学研究工作人员说：“他们何时发生、他们会出现多明显、他们会发生在哪儿。在此项工作中以前，大家有工作经验基本定律来表述他们发生的時间和经营规模，如今大家已经科学研究他们很有可能发生在哪儿。”
人工智能技术在这里一行业的取得成功得益于该技术性的核心优势之一：它可以发觉繁杂数据信息集中化之前轻视的方式。这在地震学中至关重要，由于在地震学中见到数据信息中的关联性十分艰难。地震恶性事件涉及到过多自变量，从不一样地区的路面组成到地震版块中间的相互影响种类，及其动能在地震波中越过地球上散播的方法。了解这一切是十分艰难的。
科学研究工作人员表明，她们的深度神经网络实体模型可以根据考虑一个被称作 “米塞斯妥协规则”（von Mises yield criterion）的要素来作出预测，它是一种用以预测原材料什么时候刚开始在工作压力下裂开的繁杂测算。科学研究工作人员表明，这一要素常见于冶金工业等行业，“但在地震科学研究中从没时兴过。” 如今，伴随着这一新实体模型的发觉，地理学家能够科学研究其关联性。
虽然此项科学研究获得了取得成功，但它还还未准备好在现实世界中运用。最先，AI 实体模型只关心由路面永久转变造成的余震，称之为静态数据地应力。但事后地震也可能是因为之后发生的路面轰隆声导致的，称之为动态性工作压力。目前实体模型也很慢而没法即时工作中。这很重要，由于大部分余震发生在地震发生后的第一天，随后每过一天頻率大概递减。
深度学习检验数据信号预测地震時间
除此之外，深度学习也被用以预测地震時间。发布在 Nature Geoscience 的几篇有关毕业论文中称，利用深度学习的地震数据信号的检验精确地预测了诺斯卡迪亚（Cascadia）断层的迟缓拖动，它是在别的下击暴流带发生大地震以前观查到的一种数据信号。（注：Cascadia 断层是美欧西海岸新区、中国太平洋西海岸的一条海沟断层。）
Los Alamos 国家级实验室的科学研究工作人员运用深度学习来剖析 Cascadia 数据信息并发觉发觉极大的扭力会传出不断的振动，它是断层偏移的征兆。更关键的是，她们发觉断层响声数据信号的音调两者之间物态变化中间存有立即的平行面关联。Cascadia 断层出現的响声，之前被视作毫无价值的噪声，预兆着它的易损性，这能够协助大家更精确地预测大地震。
深度学习根据学习培训自调节优化算法来建立挑选和再次检测一系列问题和答案的决策树算法，来解决很多地震数据，以寻找不一样的方式。上年，科学研究工作组在试验室仿真模拟了一次地震，用钢块与岩层和活塞杆相互影响，并纪录了她们根据深度学习剖析的响声。她们发觉，很多地震数据信号，之前被觉得是无意义的噪音，精准地强调了仿真模拟断层什么时候会拖动，它是地震预测的一个关键进度。更快、更强的地震有更高的数据信号。
科学研究工作人员在试验室里仿真模拟地震科学研究工作组决策将她们的新现代性运用于现实世界：Cascadia 断层。近期的研究表明，Cascadia 断层很活跃性，但被注意到的主题活动好像是任意的。该工作组剖析了该地域地震台站 12 年以来的真正数据信息，发觉了相近的数据信号和結果：Cascadia 不断的震颠量化分析了下击暴流带迟缓拖动一部分的偏移。在试验室中，创作者发觉了一个相近的数据信号，能够精确地预测大范畴的常见故障。在 Cascadia 中细心监管能够出示相关锁住地区的新信息内容，以出示警报系统。
那麼，下一场大地震什么时候会发生？也许大家始终都不容易了解，但大家坚信，伴随着数学计算的提升和优化算法的提升，深度学习将在地震预测层面具备极大的发展潜力。
参照连接
Google and Harvard team up to use deep learning to predict earthquake aftershocks
https://www.nature.com/articles/s41586-018-0438-y
Machine learning-detected signal predicts time to earthquake
新智元 · AI_era
每天消息推送 AI 行业最前沿学术研究讲解、AI 产业链最新动态
戳右上方【 关心】↗↗
喜爱请共享、点赞吧
.
