中国学者利用机器学习揭示地震破裂模式

记者25日从中国科学技术大学获悉，该校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，研究发现中大地震以简单破裂为主，大地震能量释放模式具有弱震级依赖性。

研究成果最近几天发表在国际知名地学期刊《地球物理研究快报》上据介绍，该成果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

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可是，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

李泽峰研究员利用深度学习中的变分自编码器对全球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。

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团队合作研究的震源时间函数聚类方法的发展，也是团队最近几年来致力于将人工智能应用于科学发现系列研究成果之一。