24日,记者从中国科学技术大学了解到,该校李泽峰研究员利用机器学习方法,总结了全球3000多个5.5级以上地震的震源时间函数特征,全景式地展示全球地震破裂过程的相似性和多样性,深化了对地震能量释放模式的认识,对地震早期预警具有启示意义。研究成果日前发表在国际知名地学期刊《地球物理研究快报》上。

地震是人类社会面临的重要自然灾害之一,近20年来全球中大地震已经造成近100万人伤亡,经济损失不计其数。地震破裂过程多种多样,客观衡量它们的相似性和差异性,有助于认识地震物理过程和地震震级的早期预测。然而,前人研究或是叠加多个地震的平均破裂过程,无法衡量全球地震差异范围,或是基于某些破裂特征的统计,无法做到整个破裂过程的系统比较。

李泽峰研究员利用深度学习中的变分自编码器对全球3000多个中大型地震的震源时间函数进行二维空间压缩和模型重构,全景式地展示了全球地震矩释放模式和数量分布。研究发现,中大地震以简单破裂为主,复杂破裂较少,并且揭示了两类特殊地震的分布规律,即能量释放集中在破裂后期的逃逸模式以及分多次能量释放的复杂地震,发现大地震能量释放模式具有弱震级依赖性,对地震早期预警中最终震级的可预测性提供了有益启示。

该研究成果是继该团队与哈佛大学合作研究的震源时间函数聚类方法的发展,也是团队近年来致力于将人工智能应用于科学发现系列研究成果之一。(记者 吴长锋)

推荐内容