英美研究人员使用机器学习技术成功预测地震

来自英国剑桥大学（University of Cambridge）、美国洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)和美国波士顿大学(Boston University)的研究小组发现了一个隐藏的地震信号，并利用这个“蛛丝马迹”训练一种机器学习算法来预测未来地震的发生。他们的研究结果同样适用于预测雪崩、滑坡等地质灾害，且被发表在《地球物理评论快报》上。

对于地球科学家来说，预测地震的时间和震级是一个基本的目标。一般来说，确定地震的发生地相当简单：如果地震在某个特定地点爆发，那么这个地方很有可能会再次发生地震。科学家几十年来一直面临的挑战是如何确定地震何时发生，以及它的危害程度。在过去的15年里，虽然仪器的精确度得到了提高，但人类仍未找到可靠的地震预测技术。

该项目的一部分任务是寻找使用机器学习技术使氮化镓(GaN)发光二极管更有效率的方法。这项研究的第一作者是Bertrand Rouet-Leduc，曾是剑桥大学的博士生，后来搬到新墨西哥州的洛斯阿拉莫斯国家实验室，开始了剑桥大学和洛斯阿拉莫斯国家实验室在材料科学机器学习上的合作。从那以后，研究小组开始帮助洛斯阿拉莫斯地球物理小组解答机器学习上的问题。

由保罗·约翰逊(Paul Johnson)领导的洛斯阿拉莫斯(Los Alamos)团队研究了地震、地震前兆(通常是非常小的地球运动)和断层之间的相互作用，希望开发出一种预测地震的方法。研究人员使用模拟真实地震的实验室系统，利用机器学习技术来分析“断层”在移动时发出的声音信号，并搜索声音模型。

实验室使用钢块来模拟真实地震中的物理作用力，并记录发出的地震信号和声音。然后利用机器学习技术来寻找来自断层的声音信号与声音衰减距离之间的关系。

这种机器学习算法能够识别出一种特殊的声音模型——以前被认为只是噪音，且早在地震发生之前就已经存在了。这种声音模式的特点是可以用来精确估计(百分之几以内)断层的受力(即断层承受了多大的力)，并估计声音衰减之前剩余的时间，随着衰减的临近，估计值变得越来越精确。现在，研究小组认为这种声音模型是一种直接测量给定时间内系统中弹性势能的方法。

剑桥大学材料、科学与冶金系的教授兼这项研究的合著者柯林·亨弗瑞斯（Colin Humphreys）教授表示，这是机器学习第一次被用来分析声学数据以预测地震的发生，在此之前，地震发生前的警告时间相当长，机器学习能做什么真是超乎想象！亨弗瑞斯教授的主要研究领域是节能和具有成本效益的发光二极管，他还是Rouet-Leduc在剑桥大学攻读博士学位时的导师。

Rouet-Leduc表示，机器学习使得对数据集的分析过于庞大，以至于人类无法手动处理数据，机器学习以一种不偏不倚的方式看待数据，从而有了新的发现。

尽管研究人员发出警告，基于实验室的实验和真实的地震之间存在着多种差异，但他们仍希望通过把机器学习技术应用到与实验室系统最相似的真实系统中来逐步扩展研究方法。美国加利福尼亚州的圣安德烈亚斯断层带(San Andreas Fault)就是这样一个真实系统，在该断层带，典型的小重复地震与基于实验室的地震模拟器相似。对由北加州延伸至加拿大卑诗省的卡斯卡迪亚断层的研究也有了进展，在数周或数月内那里持续发生的缓慢地震与实验室地震非常相似。

Rouet-Leduc称，我们目前在仪器设备、机器学习上取得了重大进展，拥有更快的计算机，处理海量数据集的能力也在增强，这些都将给地震科学带来巨大的进步。