近日,中國科學技術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。
據了解,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,經濟損失不計其數。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計研究,也無法做到對整個破裂過程的系統比較。
此次,中國科學技術大學研究員李澤峰利用機器學習方法,總結了全球3 000多個5.5級以上地震的震源時間函數特征,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。相關成果發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3 000多個中大型地震的震源時間函數進行二維空間壓縮和模型重構,實現全球震源時間函數的通用模型,全景式展現了全球地震矩釋放模式和數量分布。模型表明,中大地震以簡單、均勻破裂為主,復雜、不規則破裂較少。該模型還揭示了兩類特殊地震的分布規律,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。研究中發現,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。
(來源:澎湃新聞)