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(fā)布時(shí)間： 2022-09-12 點(diǎn)擊數量：26402022年9月5日12時(shí)52分在四川甘孜州瀘定縣發(fā)生了6.8級地震，地震發(fā)生后，中國地震局工程力學(xué)研究所李山有課題組，利用此次地震獲取的近場(chǎng)強震動(dòng)數據，基于國家重點(diǎn)研發(fā)計劃項目研發(fā)的人工智能地震預警參數確定成套方法模型，進(jìn)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(shí)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(jiàn)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(xué)習后的人工智能DCNN-M模型進(jìn)行實(shí)時(shí)震級估算，目前該模型已在福建局、四川局在線(xiàn)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(gè)參數作為輸入，并且該模型由四個(gè)卷積層、四個(gè)池化層、四個(gè)Batch normalization層、三個(gè)全連接層、Adam優(yōu)化器和一個(gè)輸出層組成。圖2展示了DCNN-M模型的網(wǎng)絡(luò )架構。
圖2 人工智能DCNN-M震級估算網(wǎng)絡(luò )架構
圖3 人工智能地震預警震級估算結果隨時(shí)間變化的過(guò)程
圖3展示了人工智能DCNN-M震級估算結果隨時(shí)間變化的過(guò)程，可以看到，在此次瀘定6.8級地震中，首臺觸發(fā)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(fā)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(fā)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(fā)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(xué)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(chēng)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(guò)給定閾值時(shí)，會(huì )在不同的記錄點(diǎn)發(fā)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(guò)給定的閾值，并且該記錄站點(diǎn)可能會(huì )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(gè)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(shí)測水準都可以保持一致，同時(shí)可以看到，預測水準為3的臺站與震后烈度分布圖的長(cháng)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(fā)生時(shí)快速預測影響場(chǎng)提供支撐。
3. 致謝
中國地震臺網(wǎng)中心與中國地震局工程力學(xué)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(chǎn)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
