中国教育在线
中国科学技术大学利用机器学习揭示全球中大地震破裂模式
中国科学技术大学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。该成果以“A generic model of global earthquake rupture characteristics revealed by machine learning”发表在国际知名地学期刊《Geophysical Research Letters》。
地震是对人类社会面对的重要自然灾害之一，近20年来全球中大地震已经造成全球近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。
图1：全球地震震源时间函数在变分自编码器隐式空间的分布（a）和重构的全球地震破裂模式流形（manifold）（b）。
李泽峰研究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，全景式地展示了全球地震矩释放模式和数量分布（图1）。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。本研究是继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）系列研究成果之一。
（来源:中国科学技术大学)
免责声明：
① 凡本站注明“稿件来源：中国教育在线”的所有文字、图片和音视频稿件，版权均属本网所有，任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他方式复制发表。已经本站协议授权的媒体、网站，在下载使用时必须注明“稿件来源：中国教育在线”，违者本站将依法追究责任。
② 本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者在两周内速来电或来函联系。