利用機器學習揭示全球中大地震破裂模式

原文地址：http://news.sciencenet.cn/htmlnews/2022/4/477899.shtm

全球地震震源時間函數在變分自編碼器隱式空間的分布（a）和重構的全球地震破裂模式流形（b） 中國科大供圖

地震是對人類社會面對的重要自然災害之一。近20年來，全球中大地震已造成近100萬人傷亡，經濟損失不計其數。地震破裂過程多種多樣，客觀衡量它們的相似性和差異性，有助于認識地震物理過程和地震震級的早期預測。

然而，前人研究或是疊加多個地震的平均破裂過程，無法衡量全球地震差異范圍，或是基于某些破裂特征的統計，無法做到整個破裂過程的系統比較。

李澤峰利用深度學習中的變分自編碼器對全球3000多個中大型地震的震源時間函數進行二維空間壓縮和模型重構，全景式地展示了全球地震矩釋放模式和數量分布。

研究發現中大地震以簡單破裂為主，復雜破裂較少，并且揭示了前人研究較少關注卻非常重要的兩類特殊地震的分布規律：能量釋放集中在破裂后期的逃逸模式地震、分多次能量釋放的復雜模式地震。

李澤峰解釋說，“逃逸模式是指地震在開始階段釋放能量很少，后期才演化成大地震，這種地震在地震預警里是最具挑戰性的類型，容易低估其破壞性。復雜地震指地震能量釋放分多次，而絕大部分地震是單次釋放，復雜地震也是容易低估破壞性的一類地震。”

此外，李澤峰發現大地震能量釋放模式具有弱震級依賴性，即超大地震傾向于以釋放較低能量的形式開始。這對地震早期預警中最終震級的可預測性提供了有益啟示。

國際知名地球物理學家Jean-Paul Ampuero以具名方式在審稿意見中表示，“該研究是一項有意思、原創性、非常及時的工作，對理解地震機理和地震預警的潛在局限有重要意義。”