一项分析了数十万次地震的机器学习研究在预测余震位置方面优于标准方法。
科学家表示，这项工作为探索地面应力变化（例如大地震期间发生的变化）如何 触发后续地震提供了一种新方法。 它还有助于研究人员开发评估地震风险的新方法。
“我们实际上只是触及了机器学习在余震预测方面可能发挥作用的皮毛，”马萨诸塞州剑桥市哈佛大学的地震学家菲比·德弗里斯说。 她和她的同事于 8 月 29 日在 Nature. 上报告了他们的发现
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。 通过购买订阅，您正在帮助确保未来能够继续讲述关于塑造我们当今世界的发现和想法的具有影响力的故事。
余震发生在主震之后，其破坏性可能与最初的震动相当甚至更大。 2010 年 9 月，新西兰基督城附近发生的 7.1 级地震没有造成人员死亡：但 5 个多月后发生的 6.3 级余震，震中更靠近市中心，导致 185 人死亡。
2017 年 9 月 8 日，墨西哥发生强烈地震，士兵们站在 Sensacion 酒店前，该酒店在地震中倒塌。 图片来源：Victoria Razo Getty Images
地震学家通常可以预测余震的强度，但他们很难预测地震发生的地点。 到目前为止，大多数科学家使用一种技术，该技术计算地震如何改变附近岩石中的应力，然后预测这种变化在特定位置导致余震的可能性有多大。 这种应力失效方法可以成功解释许多大地震的余震模式，但并非总是有效。
过去地震有大量数据可用，德弗里斯和她的同事决定利用这些数据来提出更好的预测方法。 “在那种情况下，机器学习是一种非常强大的工具，”德弗里斯说。
神经网络
科学家们研究了超过 131,000 次主震和余震地震，包括近代史上一些最强烈的震动，例如 2011 年 3 月袭击日本的 破坏性的 9.1 级事件。 研究人员使用这些数据训练了一个神经网络，该网络模拟了一个网格单元，每边 5 公里，围绕着每次主震。 他们告诉网络发生了地震，并向其输入了每个网格单元中心应力如何变化的数据。 然后科学家们要求它提供每个网格单元产生一次或多次余震的概率。 该网络将每个单元格视为其自身要解决的小型独立问题，而不是计算应力如何在岩石中连续传播。
当研究人员在 30,000 次主震-余震事件中测试他们的系统时，神经网络预测余震位置比通常的应力失效方法更准确。 德弗里斯说，也许更重要的是，神经网络还暗示了主震后地面可能发生的一些物理变化。 它指出某些参数可能很重要——这些参数描述了金属等材料中的应力变化，但研究人员通常不使用这些参数来研究地震。
新墨西哥州洛斯阿拉莫斯国家实验室的地震学家丹尼尔·特鲁格曼说，这些发现是朝着用新的眼光审视余震迈出的良好一步。 “机器学习算法正在告诉我们一些关于地震触发背后复杂过程的根本性信息，”他说。
加利福尼亚州斯坦福大学的地球物理学家格雷戈里·贝罗扎说，最新的研究不会是关于余震预测的最终定论。 例如，它没有考虑到地震波穿过地球时发生的一种应力变化。 但“这篇论文应该被视为对余震触发的一种新看法”，他说。 “这很重要，而且具有启发性。”
本文经许可转载，并于 2018 年 8 月 29 日 首次发表。