利用机器学习揭示全球中大型地震破裂模式

记者24日从中国科学技术大学获悉，该校研究员李泽锋利用机器学习方法，总结了全球3000余次5.5级以上地震的震源时间函数特征，全景展示了全球地震破裂过程的相似性和多样性，加深了对地震能量释放模式的认识，对地震预警具有启示意义。该研究成果近日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。在过去的20年里，世界上的中大型地震造成了近100万人伤亡和无数的经济损失。地震破裂过程有很多种。客观地衡量它们的异同，有助于理解地震的物理过程和地震震级的早期预测。但是，以往的研究要么叠加多次地震的平均破裂过程，无法衡量全球地震差异范围，要么基于一些破裂特征的统计，无法对整个破裂过程进行系统的比较。

李泽锋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压缩并重建模型，全景展现全球地震矩释放模式和数量分布。发现中、大地震以简单破裂为主，复杂破裂较少，并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和多次能量释放的复杂地震。发现大地震的能量释放模式具有较弱的震级依赖性，为地震预警中最终震级的可预测性提供了有益的启示。

这项研究成果是该团队与哈佛大学合作开发的震源时间函数聚类方法。这也是该团队近年来致力于将人工智能应用于科学发现的一系列研究成果之一。