一项对数十万地震进行分析的机器学习研究在预测余震位置方面胜过了标准方法。
科学家说，这项工作提供了一种探索地面应力变化（例如大地震期间发生的变化）如何引发随后地震的新方法。它还可以帮助研究人员开发评估地震风险的新方法。
马萨诸塞州剑桥市哈佛大学地震学家菲比·德弗里斯（Phoebe DeVries）说：“实际上，它只是触及了机器学习可以进行余震预测的能力的表面。”她和她的同事们于8月29日在《自然》杂志上报告了他们的发现。
余震发生在大地震之后，与最初的震荡一样，破坏力甚至更大。2010年9月，在新西兰基督城附近发生的7.1级地震没有造成任何人丧生：但是，在超过5个月后发生的6.3级余震中，地震击中了市中心，导致185人死亡。
地震学家们通常可以预测余震的大小，但是他们很难预测地震发生的地点。到目前为止，大多数科学家都使用一种技术来计算地震如何改变附近岩石的应力，然后预测这种变化在特定位置造成余震的可能性。这种应力破坏方法可以成功地解释许多大地震的余震模式，但它并不总是有效的。
有大量关于过去地震的数据，DeVries和她的同事决定利用它们来提出更好的预测方法。DeVries说：“在这种情况下，“机器学习是一种强大的工具”。
神经网络
科学家们观察了超过13.1万次主震和余震，包括近期历史上最强烈的地震，例如2011年3月袭击日本的9.1级地震。研究人员利用这些数据训练了一个神经网络，该神经网络对围绕每一次主震的侧面5公里的细胞网格进行了建模。他们告诉网络地震发生了，并向其提供了有关每个网格单元中心应力如何变化的数据。然后，科学家要求它提供每个网格单元将产生一个或多个余震的可能性。网络将每个单元视为自己要解决的孤立小问题，而不是计算应力如何在岩石中依次波动。
当研究人员在30,000次主震-余震事件中测试他们的系统时，神经网络预测比通常的应力破坏方法更准确地预测了余震位置。DeVries说，也许更重要的是，神经网络还暗示了主震后地面可能发生的某些物理变化。它指出某些参数具有潜在的重要意义，“这些参数描述了诸如金属之类的材料中的应力变化，但研究人员经常不使用它们来研究地震。
新墨西哥州洛斯阿拉莫斯国家实验室的地震学家丹尼尔·特鲁格曼（Daniel Trugman）说，这些发现是朝着用新的眼睛检查余震迈出的重要一步。他说：“他的机器学习算法告诉我们有关触发地震的复杂过程的基本知识。”
加州斯坦福大学的地球物理学家格雷戈里·贝罗扎（Gregory Beroza）说，最新的研究将成为余震预报的最终结论。例如，它没有考虑在地震波穿过地球时发生的应力变化类型。但是，“他的论文应被视为是余震触发的新手段”？他说。“重要的是，它具有激励作用。” / p>
