中科大利用机器学习揭示全球中大地震破裂模式

更新时间:2022-04-27

近日,中国科学技术大学研究人员利用机器学习方法,全景式地展示了全球地震破裂过程的相似性和多样性,对地震早期预警具有启示意义。

a为全球地震震源时间函数在变分自编码器隐式空间的分布,b为重构的全球地震破裂模式流形(manifold) 图片来自中科大1.jpg

图片来自印度亚洲通讯社(IANS)。

地震是人类社会所面对的重要自然灾害之一。近20年,全球中大地震已造成近100万人伤亡,经济损失不计其数。地震破裂过程多种多样,客观衡量其相似性和差异性,将有助于人们认识地震物理过程,以及对地震震级进行早期预测。

但此前,对于叠加多个地震平均破裂过程的研究,并无法衡量全球地震的差异范围。同时,基于某些破裂特征的统计研究,也无法做到对整个破裂过程的系统比较。

此次,中国科学技术大学研究员李泽峰利用机器学习方法,总结了全球3000多个5.5级以上地震的震源时间函数特征,全景式展示了全球地震破裂过程的相似性和多样性,深化了人们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。相关成果发表在美国地球物理学会(AGU)期刊《地球物理研究通讯》(Geophysical Research Letters)。

a为全球地震震源时间函数在变分自编码器隐式空间的分布,b为重构的全球地震破裂模式流形(manifold) 图片来自中科大2.png

图片来自美国地球物理学会(AGU)期刊《地球物理研究通讯》(Geophysical Research Letters)。

研究人员利用深度学习中的变分自编码器(Variational Autoencoder),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,实现全球震源时间函数的通用模型,全景式展现了全球地震矩释放模式和数量分布。


模型表明,中大地震以简单、均匀破裂为主,复杂、不规则破裂较少。该模型还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。研究中发现,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。

中科大利用机器学习揭示全球中大地震破裂模3.jpg

a为全球地震震源时间函数在变分自编码器隐式空间的分布,b为重构的全球地震破裂模式流形(manifold) 图片来自中科大

前述研究基于2021年李泽峰团队和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(AI for Science)的系列研究成果之一。

来源:澎湃新闻

机电信息版尾1.png


X