20秒预警，拯救127个孩子！四川泸定6.8级地震，能用AI预测吗？

来源：新智元
  本文为约4108字，建议阅读8分钟
本文介绍了人工智能无法准确预测地震的原因。

四川泸定的6.8级地震中，地震预警系统起到了大作用。不过，为什么现在的人工智能还不能预测地震呢？

20秒，拯救127个孩子

在位于震中的海螺沟，有两个酒店楼体全塌了。

来源：荔枝新闻

酒店老板徐先生称，自己到现在仍心有余悸，「从未见过这么凶的地震」「我现在手都在抖」。

在这场地震中，有很多令人动容的画面。

谁能出发？我可以！真的泪目了

国务院抗震救灾指挥部办公室、应急管理部已经启动国家地震应急三级响应，调度部署前方救援。 四川已经紧急调度「 大型高空全网应急通信无人机 」，飞赴震中执行公众通信覆盖任务。

来源：小央视频

而成都消防地空救援力量也都在紧急集结赶赴震中，开展联合侦查搜救任务。搜救直升机不断在空中定位盘旋，绝不放过任何一个可能的机会！

来源：中国消防

在全国人民揪心的时刻，九派新闻播报了一个令人欣慰的消息：雅安一幼儿园的老师们看到地震预警倒计时20秒的信息后，立即飞奔到班里，将熟睡的孩子们叫醒，挨个疏散到安全的地方。

整个过程耗时1分57秒，127名幼儿被成功疏散到安全的地方。

来源：九派新闻

地震预警这关键的20秒，救下了 127 个孩子。

地震预警立大功

截至发稿前，此次地震已造成65人遇难。在心痛之余，很多人发出了这样的疑问：为什么现在技术这么发达了，还是无法通过地震预警，避免人员的伤亡呢？

其实，这次地震中，地震预警已经发挥了很大的作用。

9月5日12时52分，四川省甘孜州泸定县6.8级地震发生的同时，很多成都市民的手机中传出了「56、55、54……」的 倒数播报声 ，收到播报的市民立即撤离到了安全地带。

这个被称为「 大喇叭 」的地震预警倒计时，来自 我国自主研发的「地震预警」系统 。

在此次四川泸定地震发生后，四川省内成都、甘孜、泸州、雅安等多地发出了地震预警，包括很多民众的电视、手机等终端设备。

简而言之，地震预警就是在地震发生后，利用电磁波（约30万公里/秒）比地震波（约4公里/秒）快的特点，向地震波尚未到达的地区发出地震波即将到达的警钟。

来源：四川省人民政府官网

地震预警到底有多重要？研究表明： 预警时间10秒，伤亡减少39%；时间为20秒，伤亡减少63% 。

那一年的汶川地震，有将近70,000人死亡，给我们造成了太大的伤痛……如果当时我们能有这样的预警系统，死亡人数至少可以减少30%。

汶川地震后，我国加大了对地震高发地区的灾害预警的投资。作为地震高发区域的四川省，2012年就在成都开始试点安装预警系统。截止到2020年底，预警系统已经可以覆盖四川全省。

这次起了大作用的「地震预警」系统，是由成都高新减灾研究所与中国地震局联合建设的大陆地震预警网。

地震波分为纵波和横波，前者传播速度快、破坏力小，后者传播速度慢、破坏力大。地震预警的基本原理，就是利用两者的时间差发出警报。离震源较近的地震观测仪器接收到地震纵波后，实时并持续估计地震参数及其影响，并向地震横波尚未到达的可能受灾区域，提前数秒至几十秒发出警报信息。

根据《科技日报》对研究所所长王暾的采访，利用地震传感器建立起地震预警网后，一旦地震发生， 地震预警系统就会利用电磁波传输速度远大于地震波的特性，通过读取分析布设在各地的实时传输地震监测台站的记录数据，快速对判断地震发生的位置以及大概的震级，然后全自动地向还未受波及的用户提前几秒到几十秒发出预警 。

来源：中国科技网

由于地震波波及不同区域的时间不一样，接受地震预警消息的终端设备所处的位置也不一致，所以预警倒计时时间也会有不同 。王暾表示，泸定县发生6.8级地震发生后，预警网在泸定6.8级地震发生时第5秒就发出预警，向康定市提前7秒预警，向雅安市提前20秒预警，向成都市提前50秒预警。

自汶川余震区发展的我国地震预警成果，已经处于全球领先水平。目前，四川地区广泛应用的是第二代大陆地震预警网。二代地震预警技术对前端预警台站、中端传输响应渠道、末端处理系统均做出了基于分布式处理的全面升级，通过云计算运行中心进一步优化算法，并可利用5G通信技术提升系统响应速度。

然而，我们现在能做的，只是 在地震发生后快速地发出预警 。

预测还没有发生的地震，对全世界来说，都仍是一个无法达成的难题。

地震预报是指在地震发生前，根据监测数据对未来可能发生的地震作出时间、地点、震级方面的预测。

根据王暾所长的介绍：

我们所做的工作是地震预警，而并非地震预报，临震预报仍然是世界难题。地震预警只能减少人员损伤，而不能做到避免。

因为只能预警，不能预测，人员的伤亡就无法避免。

地震预报仍是世界难题

为什么预测下一场大地震会如此困难？

让我们先从一个简单的问题开始：下一次大 地震将在哪里发生 ？

研究表明，较大的断层通常会引起较大的地震。理论上，如果所有的断层都被绘制出来了，那么我们应该能够对一个特定地区可能经历的最强烈的地震加以限制。

然而，估计断层大小和释放的相应能量并不总是那么简单。断层常表现出复杂的几何形态，使得对断层区域的建模变得复杂。此外，断层可能 同时破裂 ：在新西兰2016年的Kaikōura地震期间，13个不同的断层同时破裂。

此外， 地震的震级并不一定与破坏力呈正相关 。根据发生的地点，中等震级的地震可能比「大」地震更具破坏性。例如，1994年加利福尼亚州北岭6.7级地震造成重大财产损失和生命损失，而2018年斐济8.2级地震强度为178倍，并未造成任何损失。

现在，让我们看这个更加复杂的问题：下一次大地震何时发生？

预测时间是地震预测中最难的挑战 。有两种理论可以解释，为什么对时间的预测是有缺陷的。

第一种理论称为 弹性回跳理论 ，它指出地壳在强烈的压力下会弯曲变形，直到最终在应变下断裂。沿着断裂的滑移（即地震）使两侧的岩石回弹到变形较小的状态，并释放储存的能量，从而使累积应变的过程重新开始。第二种理论被称为 特征地震 ，它描述了研究最多的地震产生的断层似乎有不同的区段。在两次地震之间的间隔期内，这些板块反复破裂，积累了相同数量的应变，从而产生了相似震级的地震。

假设这两个理论一直存在，我们就可以根据1）最大未受力应变的位置，2）自上次地震发生以来的时间，以及3）对断层带的精确了解来预测下一次地震何时发生。

可以看出，由于现实的种种复杂因素，我们很难预测出地震发生的时间。

那么，如果用上人工智能技术又会如何呢？

理论上，在地震预测数据中，有许多模式和信号，人类无法看到，人工智能却可以清楚地检测到。

用AI预测地震可行吗

在2018年，来自谷歌和哈佛大学的研究人员，曾在一篇发表在Nature的论文中，展示了如何用深度学习预测余震位置。

该模型在一个包含131000多个「主震-余震」事件的数据库中寻找模式，然后在一个包含30000对类似事件的数据库中测试其预测。

结果显示，深度学习网络比当时被称为「库仑破裂应力变化」的模型更加可靠。

论文地址：https://www.nature.com/articles/s41586-018-0438-y

然而，时间来到文章发表的一年之后，数据科学家Rajiv Shah在分析结果的时候发现：神经网络的准确率高得有点离谱了。

在随后的复现中，一个非常严重的问题浮现了出来——用于训练和测试模型的数据 有重叠 （data leak）。

简答来说就是，模型在训练时已经知道了考试的答案。而这也就意味着，测试的结果几乎没有任何实际意义。

不过，Nature到最后也没有理会这位研究人员提出的问题和建议……

尽管如此，科学家们并没有放弃对这一领域的探索，各类相关的研究层出不穷。

在美国地震学会（SSA）2021年年会上，来自斯坦福大学的研究团队提出了一种实时分析地震信号的新方法—— DeepShake ，并在之后发表在了Seismological Research Letters上。

模型的训练数据来自2019年加州的地震记录，测试的结果显示，DeepShake可以在高强度地面晃动到来之前的7到13秒之间发出警报。

相比于传统的地震预警，DeepShake可以直接根据地面运动的特征发出提前预警，省去了现有系统使用的一些中间步骤。

研究人员表示，DeepShake展示了机器学习模型在提高地震预警系统的速度和准确性方面的潜力。

论文链接：https://doi.org/10.1785/0220210141

2022年，来自中国科学院地质与地球物理研究所和斯坦福大学的研究人员，在发表于在Science Advances的论文中提出了一种全新的方法，极大地提高了位于城区的地震监测网络的检测能力。

UrbanDenoiser算法 通过过滤掉背景地震噪音，它可以提高整体信号质量，并恢复以前可能太弱而无法记录的信号。

对密集阵数据和城市地区的地震序列的应用表明，UrbanDenoiser可以提高信号质量，并在信噪比低至~0dB的情况下对信号进行恢复。

论文链接：https://www.science.org/doi/10.1126/sciadv.abl3564

可以期待的是，随着算力的不断提高以及数据的不断完善，AI在地震预测这一领域，也将有着更近一步的发展。

最后，让我们默默祈祷，有更多的受灾人群能够获救，天佑四川，天佑中华。

参考资料：

http://m.stdaily.com/index/kejixinwen/202209/d7e1e5244d1e4c30ad11c232c0ea2761.shtml

https://weibo.com/2803301701/M4sAT7Qsv?refer_flag=1001030103_

——END——