阿拉斯加費爾班克斯大學（University of Alaska Fairbanks）一位科學家的研究表明，根據對先前大面積低水平構造活動的識別，公眾可以在大地震發生前數天至數月提前收到通知。這項分析主要針對阿拉斯加和加州的兩次重大地震。新研究強調，透過使用機器學習來偵測地震活動的早期跡象，有可能提前幾個月預測大地震。然而，這種預測技術的有效性和道德影響仍是爭論的主題。

這項工作由阿拉斯加大學地球物理研究所的助理研究教授 Társilo Girona領導。

吉羅納是一名地球物理學家和資料科學家，研究火山爆發和地震的前兆活動。德國慕尼黑路德維希-馬克西米利安大學的地質學家Kyriaki Drymoni是這項研究的合著者。

這種基於機器學習的檢測方法於8月28日發表在《自然-通訊》（Nature Communications）上。

赫羅納說：”我們的論文表明，先進的統計技術，特別是機器學習，有可能透過分析地震目錄中的資料集來識別大震級地震的前兆。”

作者編寫了一種電腦演算法來搜尋數據，尋找異常地震活動。演算法是一套電腦指令，用於指導程式解釋資料、從中學習並做出明智的預測或決策。 案例研究：安克雷奇和里奇克雷斯特地震

他們重點研究了兩次大地震：2018 年7.1 級安克雷奇地震和2019 年加州里奇克雷斯特6.4 至7.1 級地震序列。他們發現，在所研究的兩次地震之前，阿拉斯加中南部和南加州約15%至25%的地區都發生了約三個月的異常低震級區域地震，大地震前的動盪主要是由震級低於1.5 級的地震活動所引起的。

安克雷奇地震發生在2018 年11 月30 日上午8 點29 分，震央位於該市以北約10.5 英里處。地震對一些道路和高速公路造成了廣泛破壞，一些建築物也受到了損壞。

吉羅納和Drymoni 利用他們的資料訓練程序發現，在安克雷奇地震中，30 天或更短時間內發生大地震的機率在11 月30 日地震前三個月左右突然上升到約80% 。就在地震發生前幾天，機率上升到約85%。在里奇克雷斯特地震序列發生前約40 天開始的一段時間內，他們對該地震序列也有類似的機率發現。

吉羅納和Drymoni 提出了低震級前兆活動的地質原因：斷層內的孔隙流體壓力明顯增加。孔隙流體壓力是指岩石內部流體的壓力。如果孔隙流體壓力足以克服斷層兩側岩塊之間的摩擦阻力，那麼高孔隙流體壓力就有可能導致斷層滑動。

導致大地震的斷層中孔隙流體壓力的增加會改變斷層的機械特性，進而導致區域應力場的不均勻變化。研究認為認為，這些不均勻變化控制著異常的、前兆性的低震級地震。

機器學習正在對地震研究產生重大的正面影響，吉羅納說：「現代地震網路產生了巨大的資料集，如果分析得當，可以為地震事件的前兆提供有價值的見解。這正是機器學習和高效能運算的進步可以發揮變革性作用的地方，使研究人員能夠識別出可能預示著地震即將發生的有意義的模式。

作者指出，他們的演算法將在近實時情況下進行測試，以確定並解決地震預報的潛在挑戰。如果沒有根據該地區的歷史地震情況對演算法進行訓練，就不應該在新的地區採用這種方法。製作可靠的地震預報具有”非常重要且經常引起爭議的層面”。準確的預報有可能透過提供預警來挽救生命和減少經濟損失，以便及時疏散和做好準備。然而，地震預報的固有不確定性也提出了重大的倫理和實際問題。錯誤的警報可能導致不必要的恐慌、經濟混亂和公眾信任的喪失，而預測失誤則可能帶來災難性的後果。

編譯自/ scitechdaily

DOI: 10.1038/s41467-024-51596-z