中科大利用機器學習揭示全球中大地震破裂模式

近日，中國科學技術(shù)大學研究人員利用機器學習方法，全景式地展示了全球地震破裂過程的相似性和多樣性，對地震早期預警具有啟示意義。

地震是人類社會所面對的重要自然災害之一。近20年，全球中大地震已造成近100萬人傷亡，經(jīng)濟損失不計其數(shù)。地震破裂過程多種多樣，客觀衡量其相似性和差異性，將有助于人們認識地震物理過程，以及對地震震級進行早期預測。

但此前，對于疊加多個地震平均破裂過程的研究，并無法衡量全球地震的差異范圍。同時，基于某些破裂特征的統(tǒng)計研究，也無法做到對整個破裂過程的系統(tǒng)比較。

此次，中國科學技術(shù)大學研究員李澤峰利用機器學習方法，總結(jié)了全球3000多個5.5級以上地震的震源時間函數(shù)特征，全景式展示了全球地震破裂過程的相似性和多樣性，深化了人們對地震能量釋放模式的認識，對地震早期預警具有啟示意義。相關(guān)成果發(fā)表在美國地球物理學會(AGU)期刊《地球物理研究通訊》(GEOPHYSICAL RESEARCH LETTERS)。

研究人員利用深度學習中的變分自編碼器(VARIATIONAL AUTOENCODER)，對全球3000多個中大型地震的震源時間函數(shù)進行二維空間壓縮和模型重構(gòu)，實現(xiàn)全球震源時間函數(shù)的通用模型，全景式展現(xiàn)了全球地震矩釋放模式和數(shù)量分布。

模型表明，中大地震以簡單、均勻破裂為主，復雜、不規(guī)則破裂較少。該模型還揭示了兩類特殊地震的分布規(guī)律，即能量釋放集中在破裂后期的逃逸模式，以及分多次能量釋放的復雜地震。研究中發(fā)現(xiàn)，大地震能量釋放模式具有弱震級依賴性，對地震早期預警中最終震級的可預測性提供了有益啟示。

A為全球地震震源時間函數(shù)在變分自編碼器隱式空間的分布，B為重構(gòu)的全球地震破裂模式流形(MANIFOLD)，圖片來自中科大

前述研究基于2021年李澤峰團隊和哈佛大學合作研究的震源時間函數(shù)聚類方法的發(fā)展，也是團隊近年來致力于將人工智能應用于科學發(fā)現(xiàn)(AI FOR SCIENCE)的系列研究成果之一。