據外媒報道，一項機器學習研究分析了數十萬次地震，結果顯示，其對於餘震位置的預測要比當前科學家們使用的方法更準確。
哈佛大學的地震學家Phoebe DeVries及其同事於8月29日在《自然》雜誌上發表了這項研究。他們利用神經網絡，研究了超過13萬次主要地震和餘震之間的空間關係。結果顯示，相較於目前科學家們掌握的方法，神經網絡對餘震位置的預測更準確。
研究人員利用13萬次的主餘震數據——這些數據不僅包括地震發生的地點和震級，還包括不同程度的地震斷層應力變化——訓練了一個神經網絡，這個神經網絡模擬了一個細胞網格，每側5公里，圍繞著每一次主震。它告訴網絡發生了地震，並向其提供網格中心應力變化的數據。然後科學家們從中得到每個網格單元產生一次或多次餘震的概率。
當研究人員在30,000次“主震—餘震”試驗中測試他們的系統時，神經網絡能夠比較準確地預測餘震發生的位置。
地震學家通常可以預測餘震會有多大，但他們很難預測餘震發生的位置。目前，大多數科學家通過計算地震如何改變附近岩石的應力預測餘震的位置。這種方法可以解釋許多大地震的餘震模式，但它並非在任何情況下都有效。
餘震可能與最初發生的地震一樣具有破壞性，或者更具破壞性：2010年9月在新西蘭基督城附近發生的7.1級大地震中，並沒有人員死亡；但是5個多月之後發生了6.3級餘震，導致了185個人死亡。
加州帕薩迪納市美國地質調查局的地球物理學家Susan Hough表示:“我們早就知道餘震會在空間上聚集，並隨著時間的推移而衰變。”
“1992年後，人們開始更詳細地瞭解餘震模式，”Hough說。研究人員開始嘗試用不同的標準提取複雜的應力變化模式。最常用的標準是“庫侖破裂應力變化”，這取決於斷層的走向。
但是地下斷層的走向就像一個三維的被子一樣複雜，應力可以同時從多個不同的方向推動斷層。就像有一本書在桌子上：剪應力將書推到一邊，可能會導致書向左或向右滑動。以垂直於桌子的正常壓力向下推書，書就不會移動。
Hough說，這樣一個棘手的計算問題可能是為神經網絡量身定做的。
新墨西哥州洛斯阿拉莫斯國家實驗室的地震學家Daniel Trugman說，這一發現使用新方法預測餘震位置的問題向前邁進了一大步。
Hough也認為“這是一項非常棒的研究”。但同時，她認為這項研究存在兩個問題。
首先，該研究只關注了靜態壓力（靜態壓力是地震造成的永久性壓力變化）。她說，餘震也可能是由一種更短暫的應力源引發的，這種應力源被稱為動態應力，是地震穿過地面時產生的。
另一個問題是，我們無法確保這種人工智能的預測系統在地震發生後能迅速地投入使用，以確定餘震的位置。在這項研究中，餘震的預測受益於大量信息，而在一場大地震中，如此多的數據至少要一天才能得到。
DeVries也表示：“我們只是瞭解到了機器學習可能會為餘震預測所做的事情的一些皮毛。”
可見，讓人工智能真正為地震問題服務，未來的路還很長。
您的關注，就是我最大的動力！
閱讀更多 聲學在線 的文章
