快速自動化采集分析地震震源信息對震后趨勢判定、烈度速報、地震應(yīng)急救援等提供科學依據(jù)。但從地震記錄推算地震震源機制是個耗時的計算過程，目前世界各地地震監(jiān)測臺網(wǎng)在速報信息里只有發(fā)震時刻、震級、地點和震源深度等內(nèi)容，不包括描述地震破裂特征的震源機制解參數(shù)。

日前，美國國家工程院院士、中國科學技術(shù)大學地空學院大師講席教授張捷課題組發(fā)表的一項研究顯示，利用深度學習算法，人工智能系統(tǒng)可在收到地震記錄后不到1秒時間內(nèi)，準確估算出震源機制解參數(shù)。

重要的震源機制解

2004年12月26日8時58分55秒，一場震驚世界的重大災(zāi)難突然降臨。

印度洋板塊與亞洲板塊交界處，發(fā)生了里氏9.3級地震，地震又引發(fā)了強烈海嘯、滔天巨浪席卷了印度尼西亞、斯里蘭卡、馬爾代夫等國，造成了巨大的人員傷亡和財產(chǎn)損失。

“印度洋大地震時正值圣誕假期，許多國家的地震專業(yè)人員都在度假。”張捷說，“當時震源是大型逆沖破裂。震后15分鐘，海嘯最先到達印尼，但卻沒有預(yù)警，最后造成14個國家共22萬余人失去生命?！?/p>

張捷解釋說，從地震震源參數(shù)來說，海底逆沖類型地震可能會掀起海浪，造成海嘯，而其他類型地震產(chǎn)生海嘯的可能性比較小。

震源機制解（又稱斷層面解），是利用地震觀測資料來研究地震發(fā)生時，震源處作用力和斷層錯動性質(zhì)。震源機制解不僅可以幫助了解斷層的類型，還可以揭示斷層在地震發(fā)生時具體的運動情況，描述滑斷面的特征、走向、傾向、傾角等。

“除能幫助預(yù)測海嘯外，震源機制解還可能用于由前震預(yù)測主震，或由主震資料預(yù)測強余震，揭示震源附近的應(yīng)力分布狀況等。”張捷說，“知道地震的震源滑斷特征非常重要，在很多地震活動帶，我們已經(jīng)掌握了很多斷層系的分布，依據(jù)震源滑動參數(shù)就能幫助判讀出是哪個斷層系開始活動，其應(yīng)力方向在哪兒，附近其他類似斷層會不會出現(xiàn)危險等。”

1秒內(nèi)自動報出參數(shù)

“從地震記錄推算地震震源機制的難點在于，傳統(tǒng)方法計算強度太大。該數(shù)值解非線性問題，計算時間長。對地震發(fā)生前后各種應(yīng)對準備及震后搶險救災(zāi)來說，每一秒都非常珍貴?！睆埥菡f。

1938年，地震學家第一次開始推算地震震源機制解。自那以后，快速得出震源機制參數(shù)一直是地震研究者想解決的問題。時至今日，世界各地地震監(jiān)測臺網(wǎng)在地震速報信息時，仍不包括震源機制參數(shù)。研究人員往往在地震發(fā)生幾分鐘或更長時間后，才能報出震源機制參數(shù)。

2014年，張捷課題組與中國科大計算機學院教授陳恩紅課題組合作，用互聯(lián)網(wǎng)搜索引擎技術(shù)，實現(xiàn)了快速報出數(shù)據(jù)庫里存好的震源機制解。隨后，該方法在四川、云南投入地震監(jiān)測，成為當時最先進的震源機制解速報技術(shù)。但該方法受數(shù)據(jù)庫約束，難以應(yīng)用于較大的地震監(jiān)測區(qū)域。

在這一領(lǐng)域持續(xù)耕耘了7年后，課題組首次利用人工智能方法，突破了數(shù)據(jù)庫的約束，使該方法適用于大區(qū)域地震監(jiān)測。

目前，美、日等國速報震源參數(shù)水平相當。美國國家地震局最快能在震后3分鐘報出最初的地震震源機制解，隨后幾分鐘內(nèi)有可能再進行修正完善，多數(shù)情況是在地震發(fā)生10分鐘以后才能報出。

“中國地震局臺網(wǎng)中心最近幾年持續(xù)在提高速報能力，2020年平均速報時間在震后572秒（約10分鐘），其中不包括震源機制解。”張捷補充說。

“在這項研究中，我們利用深度機器學習算法，提出一種新的深度卷積神經(jīng)網(wǎng)絡(luò)——震源機制網(wǎng)絡(luò)（FMNet），利用全波形信息快速估計震源機制?！痹撜撐牡谝蛔髡邲r文歡說，“與一般應(yīng)用中有監(jiān)督神經(jīng)網(wǎng)絡(luò)模型的訓練需要大量的實際數(shù)據(jù)不同，F(xiàn)MNet可以先用合成數(shù)據(jù)訓練，然后直接應(yīng)用于實際數(shù)據(jù)。FMNet從綜合訓練數(shù)據(jù)中學習與震源機制有關(guān)的波形的普遍特征?！?/p>

“人工智能方法可以通過學習、驗證與測試完善自身系統(tǒng)。但一個區(qū)域歷史地震不夠，樣本不夠，怎么解決機器學習問題？”張捷說，“我們發(fā)現(xiàn)采用理論計算數(shù)據(jù)做訓練樣本非常有效。實際上，目前發(fā)表的震源機制解方面的研究，也是通過理論模型和數(shù)據(jù)反演得到的，機器學習只不過掌握了所有理論知識，因此速度與準確度更好?！?/p>

“應(yīng)用完備的理論地震大數(shù)據(jù)訓練人工智能神經(jīng)網(wǎng)絡(luò)，完善了該系統(tǒng)的準確性和可靠性?！睕r文歡說，“經(jīng)過幾天的學習，當?shù)卣鸢l(fā)生后，實際地震數(shù)據(jù)進入人工智能系統(tǒng)，在不到1秒的時間內(nèi)系統(tǒng)準確地估算出震源機制參數(shù)。”

研究參數(shù)“平民化”

“該成果第一次實現(xiàn)了全自動瞬間報出所有震源參數(shù)，在此之前，這是個‘研究參數(shù)，地震學家經(jīng)常發(fā)論文報告某個地震的震源機制解?！睆埥菡f，“能夠?qū)崟r提供震源機制解，將引領(lǐng)全球地震監(jiān)測水平進入一個新的階段?！?/p>

張捷解釋說，有了地震震源機制解后，就知道單個地震是哪個斷層在活動，從而推斷應(yīng)力分布，預(yù)測地震風險。雖然震源機制解公眾并不容易理解，但預(yù)警系統(tǒng)可以依據(jù)震源機制解做出決定，通知大眾風險程度。

“大量實際數(shù)據(jù)測試證實了該方法的有效性?！睕r文歡說，“我們使用震源機制來描述斷層地質(zhì)和斷層機制，也可以利用主震的震源機制來計算應(yīng)力變化，以檢驗余震的地震觸發(fā)理論。此外，及時導出的震源機制可以為目前正在實施的點源地震動預(yù)測模型提供重要的補充，有可能幫助改進預(yù)測地震，以便進行早期預(yù)警?！?/p>

對團隊取得的成果，該論文的三位審稿人一致評價為：“非常激動人心的突破性成果”。

“提高地震預(yù)測預(yù)警的準確性，需要密集的高頻監(jiān)測數(shù)據(jù)采集和實時處理，現(xiàn)有的人機結(jié)合工作模式已不適應(yīng)這一要求。這一成果為地震監(jiān)測、預(yù)測預(yù)警業(yè)務(wù)實現(xiàn)快速、高效的智能化轉(zhuǎn)型提供了堅實的基礎(chǔ)?！敝袊卣鹁挚萍寂c國際合作司司長車時說。

北京大學理論與應(yīng)用地球物理研究所所長趙里評價說：“張捷教授團隊在人工智能解決地震監(jiān)測預(yù)警領(lǐng)域不斷取得突破，并應(yīng)用到川滇地震科學實驗場，對我國的地震減災(zāi)事業(yè)意義重大?！?/p>

“減輕破壞程度是地震研究者的一個重要目標。當破壞性地震發(fā)生時，實時報告地震參數(shù)對于立即進行破壞評估和緊急疏散至關(guān)重要。該研究目前正在轉(zhuǎn)化為實際成果，近期將在中國科學技術(shù)大學和中國地震局合作研發(fā)的‘智能地動人工智能地震監(jiān)測系統(tǒng)上試運行，在中國地震科學實驗場全面推廣。”張捷說。