資訊內容
/
綜合信息
2022年9月5日四川瀘定6.8級地震人工智能地震預警初步成果
發布時間： 2022-09-12 點擊數量：100622022年9月5日12時52分在四川甘孜州瀘定縣發生了6.8級地震，地震發生后，中國地震局工程力學研究所李山有課題組，利用此次地震獲取的近場強震動數據，基于國家重點研發計劃項目研發的人工智能地震預警參數確定成套方法模型，進行了地震預警震級估算與現地潛在破壞預測，為地震應急提供信息支撐。
1. 數據
強震數據的收集與處理：震后第一時間收集了此次地震的強震儀與烈度儀數據，臺站分布圖與震中分布圖詳見圖1。
圖1 2022年9月5日四川瀘定6.8級地震震中及臺站分布圖
2. 方法與結果
（1）人工智能震級估算：采用基于川滇數據遷移學習后的人工智能DCNN-M模型進行實時震級估算，目前該模型已在福建局、四川局在線運行。DCNN-M模型使用從P波到達后記錄的3s地震數據中提取的12個參數作為輸入，并且該模型由四個卷積層、四個池化層、四個Batch normalization層、三個全連接層、Adam優化器和一個輸出層組成。圖2展示了DCNN-M模型的網絡架構。
圖2 人工智能DCNN-M震級估算網絡架構
圖3 人工智能地震預警震級估算結果隨時間變化的過程
圖3展示了人工智能DCNN-M震級估算結果隨時間變化的過程，可以看到，在此次瀘定6.8級地震中，首臺觸發后1秒人工智能與傳統震級估算模型都可以給出震級估算結果，首臺觸發2秒后人工智能震級估算結果上升速率較傳統震級估算模型更快，首臺觸發后3.5秒人工智能震級估算結果為6.2級、較傳統震級估算模型更接近編目震級，隨后人工智能震級估算結果知道首臺觸發后10秒都穩定在6.3級，與傳統震級估算模型相當。
（2）基于人工智能的現地潛在破壞預測：基于多特征輸入和機器學習支持向量機（SVM）分別建立震級估計和峰值速度（PGV）預測方程，這兩種預測方程分別稱為估計震級的SVM-M模型和預測PGV的SVM-PGV模型。設置預測震級閾值和PGV閾值分別為M=5.7和PGV=9.12 cm/s，當預測震級或PGV值超過給定閾值時，會在不同的記錄點發出不同的警報級別（0、1、2、3）。警報級別3表示預測的震級和預測的PGV都超過給定的閾值，并且該記錄站點可能會受到嚴重破壞。圖4展示了該模型方法。
圖4 基于人工智能的現地潛在破壞預測模型
圖5 基于P波3秒數據的人工智能現地潛在破壞預測結果分布
圖5展示了此次地震中，各個臺站利用P波前3秒數據預測現地潛在破壞的結果，可以看到，99%以上的臺站預測水準與實測水準都可以保持一致，同時可以看到，預測水準為3的臺站與震后烈度分布圖的長軸整體走向呈現一致性，本模型不僅可以快速預測現地臺站的潛在破壞，也可為地震發生時快速預測影響場提供支撐。
3. 致謝
中國地震臺網中心與中國地震局工程力學研究所為本研究提供了強震儀與烈度儀數據，福建省地震局為本研究提供了人工智能與傳統震級估算產出日志。
4. 參考文獻：
[1] Zhu Jingbao, Li Shanyou, Song Jindong*, Wang Yuan. Magnitude estimation for earthquake early warning using a deep convolutional neural network. Frontiers in Earth Science, 2021, 9:653226. doi: 10.3389/feart.2021.653226
[2] Zhu Jingbao, Li Shanyou, Ma Qiang, He Bin, Song Jindong*. Support Vector Machine‐Based Rapid Magnitude Estimation Using Transfer Learning for the Sichuan–Yunnan Region, China. Bulletin of the Seismological Society of America, 2022, doi: https://doi.org/10.1785/0120210232
[3] Jindong Song, Jingbao Zhu, Yuan Wang, Shanyou Li*. On-Site Alert-Level Earthquake Early Warning Using Machine-Learning-Based Prediction Equations. Geophysical Journal International, 2022. https://doi.org/10.1093/gji/ggac220
