“地震預警”刷屏，它背后是一個怎樣的系統？
6 月 17 日 22 時 55 分，在四川宜賓市長寧縣發生 6.0 級地震，多地實現提前預警，截至目前地震已造成 12 人死亡，134 人受傷，武警、消防、民兵、礦山救護隊等 2895 人仍在現場救援。
值得注意的是，這次地震發生之后，包括成都主城區在內的不少地方都提前發出了地震預警，并通過電視、大喇叭等多種手段提醒民眾及時避險。
成都提前 61 秒左右收到預警，共有 110 個社區實現“大喇叭” 倒計時，為大家及時疏散提供了寶貴的機會，事后預警系統的倒計時視頻在網上刷屏。
有的網友在看電視劇，有的網友在看球，突然地震預警就來了。
另外，據了解，就在地震發生之前，大陸地震預警網還成功的預警了本次地震，這其中就包括提前 10 秒向宜賓預警。
網友表示：聽到預警聲音感動得想哭，這個地震預警網真的很厲害!希望能普及!
地震為啥可以被預警?它的原理是什么呢?
地震發生最初時，產生兩種波，一種是速度快但破壞力有限的縱波，速度約每秒 6 公里;一種是跑得較慢但破壞性更大的橫波，傳播速度約為每秒 3.5 公里。
地震預警系統就是利用了縱波比橫波傳播速度快、電磁波又遠比地震波快的原理。
地震一旦發生，深入地下的探測儀器就可以檢測到縱波，然后傳給計算機，計算機即刻能計算出震級、烈度、震源等大致信息，迅速向破壞性地震波尚未波及的區域發出地震避險警報。
預警體系的有效運轉，依托于一個強大的地震監測網絡。
通常來說，越是接近震中，能提供預警的時間就越短;離震中越遠，提供的預警時間越長，但意義也隨之削弱。
地震預警信息的背后是一個怎樣的系統呢?
那么，這個地震預警系統到底是什么神器呢?從成都高新減災研究所處獲悉，此次成功預警地震的，為該所與應急管理部門(包括原市縣地震部門)聯合建設的大陸地震預警網。
成都高新減災研究所所長王暾博士
據成都高新減災研究所所長王暾博士介紹：我們所做的工作是地震預警，而并非地震預報，臨震預報仍然是世界難題。地震預警只能減少人員損傷，而不能做到避免。
為了實現地震預警，需要在可能發生地震的區域安裝地震預警的傳感器。這種傳感器并不昂貴，也不需要在野外安裝，可以通過實時的網絡(甚至是 2G 網絡)來傳遞地震波的數據，地震預警的傳感器甚至可以固定在墻上。
通過這些傳回來的數據，我們可以判斷地震發生的位置以及大概的震級。網絡和計算機的處理速度非常快，只需要幾秒鐘的時間。
據了解，地震預警系統是一個全自動的物聯網，可實現全自動的秒級響應。
主要是利用電波比地震波傳播速度快的原理，在地震造成破壞前幾秒到幾十秒，發出地震預警警報，提醒民眾及時避險，讓重要工程緊急處置以減少經濟損失和次生災害。
而電視地震預警則是利用電視網絡在電視周邊，發生強震的時候，電視就能夠自動地彈出幾秒到幾十秒的警報，以便在強震到來之前，老百姓在看電視的時候，就能夠提前避險。
目前技術已經允許的情況下，只要機頂盒就能收到震預警的喇叭，在電視關著的時候，也能夠自動發出警報。
據王暾所長介紹，自汶川余震區發展的我國地震預警成果，已經處于全球領先水平。
成都高新減災研究所與地震部門合作建設的大陸地震預警網覆蓋面積達 220 萬平方公里，覆蓋我國地震區人口 90%，已成功預警蘆山 7 級地震、魯甸 6.5 級地震、九寨溝 7 級地震等 52 次破壞性地震。
不過王暾表示，雖然目前我國地震的預警系統從技術上已經處于全球領先的水平，但是應用規模還遠遠不夠，需要加快打通地震預警的“***一公里”。
***一公里就是希望把這樣的預警信息，通過廣播、手機和包括移動、電信、聯通的電視、以及全國的電視網絡和手機網絡都傳遞到老百姓那去。
有了預警信息要傳遞到老百姓那里，才能更好地取得減災的效果。我們需要共同努力，特別是電視和手機需要加快。
如何讀懂地震警報聲?
地震預報的警報聲主要包含幾個因素：
- 預估強度，也就是預計危害大小，這個通常用不同的滴滴聲來表示，“滴滴”表示震感強烈，可能有危害;“滴”表示有震感，但基本無危害。
- 預警時間，也就是會提前告知地震波還有多長時間到達，一般是用倒計時表示。
舉個例子，假如我們聽到的警報聲是“叮咚-20-滴滴-18-滴滴-16……嗚”，這段警報中，“叮咚”表示地震預警啟動，還有 20s 到達，震感強烈，可能有危害;“嗚……”的聲音的到來則表明破壞性地震波到達。
假如我們聽到的警報聲是“叮咚-20-滴-18-滴-16-滴滴-14-滴滴……”那就說明在第 16 秒的時候，預估強度的聲音由“滴”變成“滴滴”，預警強度則由“基本無危害”變為“可能有危害”。
現在再來聽一下此次地震警報發出的聲音：
為什么預測下一場大地震如此困難?
讓我們先從一個簡單的問題開始：下一次大地震將在哪里發生?
研究表明，較大的斷層通常會引起較大的地震。理論上，如果所有的斷層都被繪制出來了，那么我們應該能夠對一個特定地區可能經歷的***烈的地震加以限制。
這一點很重要，因為地震釋放的能量變化可能是萬億次方的(quadrillions)。
然而，估計斷層大小和釋放的相應能量并不總是那么簡單。斷層常表現出復雜的幾何形態，使得對斷層區域的建模變得復雜。
此外，斷層可能同時破裂：在新西蘭 2016 年的 Kaikōura 地震期間，13 個不同的斷層同時破裂。
此外，最近的歷史證明，地震大小并不總是與損害相關;根據發生的地點，中等震級的地震可能比“大”地震更具破壞性。
例如，1994 年加利福尼亞州北嶺 6.7 級地震造成重大財產損失和生命損失，而 2018 年斐濟 8.2 級地震強度為 178 倍，并未造成任何損失。因此，地震的震級并不能說明整個情況。
1900 年-2013 年地震 7.0 級及以上的地圖
現在來回答更加復雜的問題：下一次大地震何時發生?預測時間是地震預測中最難的挑戰。事實上，有兩種理論可以告訴我們(***的)預測是有缺陷的。
***種理論稱為彈性回跳理論，它指出地殼在強烈的壓力下會彎曲變形，直到最終在應變下斷裂。
沿著斷裂的滑移(即地震)使兩側的巖石回彈到變形較小的狀態，并釋放儲存的能量，從而使累積應變的過程重新開始。
第二種理論被稱為特征地震，它描述了研究最多的地震產生的斷層似乎有不同的區段。
在兩次地震之間的間隔期內，這些板塊反復破裂，積累了相同數量的應變，從而產生了相似震級的地震。
假設這兩個理論一直存在，你可以根據 1)***未受力應變的位置，2)自上次地震發生以來的時間，以及 3)對斷層帶的精確了解(在許多地區我們可能永遠無法實現)來預測下一次地震何時發生。
我們能做什么?今天，預測方法主要集中在概率地震預測，即在一定時間范圍內對特定區域內的一般地震災害進行統計評估。
概率預測涉及地震可能發生的概率，而早期的確定性預測技術涉及確定地震何時發生。
概率預測可以向可能更容易發生地震風險的地區提供警告，使他們能夠在潛在的未來發生地震之前，通過改進的基礎設施設計和應急措施來加強抗震能力。
第二個有希望的發展是地震預警系統。在發現地震后，它會為可能受影響的鄰近地區提供幾秒到幾分鐘的實時警告。
該系統利用了地震波的不同速度，這些地震波構成了地震輻射的能量。簡而言之，如果系統在更危險、速度較慢的表面波到達之前檢測到最快波(稱為 P 波)的***次到達，則可以觸發警報(見下圖)。
使用高速自動化，甚至幾秒鐘的警告就足以停止機器，例如火車和電梯，并提醒人們注意安全。
地震預警系統運行中：當地震開始時，檢測到快速移動的 P 波，可以在較慢移動的表面波到達之前傳播緊急信息。
然而，由于不必要的緊急措施啟動，以及對商業和日常生活的潛在破壞，對于從未發生的地震的錯誤警告是昂貴的，就像“狼來了”的故事，它可能會破壞未來預警的可信度和有效性。
為了避免這些問題，可以用人工智能(AI)技術來檢測人類無法看到的地震預測數據中的模式和信號。接下來介紹兩個利用 AI 預測地震的***研究成果：
①谷歌和哈佛團隊利用深度學習來預測地震余震
谷歌和哈佛大學在 Nature 雜志發表的一篇論文中，研究人員展示了如何用深度學習預測余震位置，而且預測結果比現有模型更可靠。
他們訓練了一個神經網絡，在一個包含 131000 多個“主震-余震”事件的數據庫中尋找模式，然后在一個包含 30000 對類似事件的數據庫中測試其預測。
“主震-余震”事件的一個樣本
深度學習網絡比最有用的現有模型(稱為“庫侖破裂應力變化”)更可靠。在從 0 到 1 的精度范圍內——1 是完全準確的模型，0.5 是一半準確的模型——現有庫侖模型得分為 0.583，而新的 AI 系統達到 0.849。
“關于地震，你需要知道三件事情”，研究人員說：“它們什么時候發生、它們會有多強烈、它們會發生在哪里。
在這項工作之前，我們有經驗定律來解釋它們發生的時間和規模，現在我們正在研究它們可能發生在哪。”
人工智能在這一領域的成功歸功于該技術的核心優勢之一：它能夠發現復雜數據集中以前被忽視的模式。
這在地震學中尤為重要，因為在地震學中看到數據中的關聯性非常困難。
地震事件涉及太多變量，從不同區域的地面構成到地震板塊之間的相互作用類型，以及能量在地震波中穿過地球傳播的方式。理解這一切是非常困難的。
研究人員表示，他們的深度學習模型能夠通過考量一個被稱為“米塞斯屈服準則”(von Mises yield criterion)的因素來做出預測，這是一種用于預測材料何時開始在壓力下破裂的復雜計算。
研究人員表示，這個因素常用于冶金等領域，“但在地震科學中從未流行過。”現在，隨著這一新模型的發現，地質學家可以研究其關聯性。
盡管這項研究取得了成功，但它還遠未準備好在現實世界中應用。首先，AI 模型只關注由地面***性變化引起的余震，稱為靜態應力。
但后續地震也可能是由于后來發生的地面隆隆聲造成的，稱為動態壓力。現有模型也太慢而無法實時工作。
這很重要，因為大多數余震發生在地震發生后的***天，然后每過一天頻率大致減半。
②機器學習檢測信號預測地震時間
此外，機器學習也被用于預測地震時間。發表在 Nature Geoscience 的兩篇相關論文中稱，利用機器學習的地震信號的檢測準確地預測了卡斯卡迪亞(Cascadia)斷層的緩慢滑動，這是在其他俯沖帶發生大地震之前觀察到的一種信號。(注：Cascadia 斷層是美加西海岸、太平洋東海岸的一條海溝斷層。)
Los Alamos 國家實驗室的研究人員應用機器學習來分析 Cascadia 數據并發現巨大的推力會發出持續的震動，這是斷層位移的跡象。
更重要的是，他們發現斷層聲音信號的響度與其物理變化之間存在直接的平行關系。
Cascadia 斷層出現的聲音，以前被視為毫無意義的噪音，預示著它的脆弱性，這可以幫助我們更準確地預測大地震。
機器學習通過學習自調整算法來創建選擇和重新測試一系列問題和答案的決策樹，來處理大量地震數據集，以找到不同的模式。
去年，研究小組在實驗室模擬了一次地震，用鋼塊與巖石和活塞相互作用，并記錄了他們通過機器學習分析的聲音。
他們發現，許多地震信號，以前被認為是無意義的噪聲，精確地指出了模擬斷層何時會滑動，這是地震預測的一個重要進展。更快、更強的地震有更大的信號。
研究人員在實驗室里模擬地震
研究小組決定將他們的新范式應用于現實世界：Cascadia 斷層。最近的研究表明，Cascadia 斷層很活躍，但被注意到的活動似乎是隨機的。
該小組分析了該地區地震臺站 12 年來的真實數據，發現了類似的信號和結果：Cascadia 持續的震顫量化了俯沖帶緩慢滑動部分的位移。
在實驗室中，作者發現了一個類似的信號，可以準確地預測大范圍的故障。在 Cascadia 中仔細監控可以提供有關鎖定區域的新信息，以提供預警系統。
那么，下一場大地震何時會發生?或許我們永遠都不會知道，但我們相信，隨著計算能力的增加和算法的優化，機器學習將在地震預測方面具有巨大的潛力。
