新研究表明：机器学习或可提前数月预测大地震，但仍存争议
一项最新研究指出，利用机器学习检测早期地震活动信号，可能可以提前数月预测大地震。然而，这种技术的有效性及其道德影响仍存在争议。
阿拉斯加大学费尔班克斯分校（UAF）的研究表明，通过识别大范围内的低级别构造活动，公众有可能在大地震发生前数天甚至数月获得预警。该研究重点分析了阿拉斯加和加利福尼亚的两次重大地震。
这项研究由 UAF 地球物理研究所的助理教授塔尔西洛·吉罗纳（Társilo Girona）主导，德国慕尼黑路德维希-马克西米利安大学的地质学家基里亚基·德里莫尼（Kyriaki Drymoni）为合著者。
吉罗纳是一位地球物理学家和数据科学家，他长期研究火山爆发和地震的前兆信号。研究成果于 8 月 28 日发表在《自然通讯》期刊上。
“我们的研究表明，利用先进的统计技术，尤其是机器学习，可以通过分析地震目录中的数据集，识别出大规模地震的前兆，”吉罗纳表示。
研究团队编写了一个计算机算法，用来搜索数据中的异常地震活动模式。算法是一系列计算机指令，它可以教程序解读数据、从中学习并做出预测。
案例分析：安克雷奇和里奇克莱斯特地震
研究人员重点研究了两次重大地震：2018 年阿拉斯加安克雷奇 7.1 级地震，以及 2019 年加利福尼亚里奇克莱斯特 6.4 至 7.1 级地震序列。
他们发现，在两次地震发生前大约三个月，南阿拉斯加和南加州约 15% 至 25% 的区域内出现了异常的低级别地震活动。
研究表明，这些大地震的前兆大多表现在震级低于 1.5 的地震活动中。
2018 年 11 月 30 日，安克雷奇地震发生，震中位于该市北部约 10.5 英里处。地震造成了一些道路和高速公路的严重损坏，部分建筑也受到了破坏。
主要发现及其意义
通过数据训练的算法，吉罗纳和德里莫尼发现，在安克雷奇地震发生前的三个月内，重大地震发生的概率在 30 天内迅速上升至 80%。几天前，这一概率进一步增加至 85%。他们对里奇克莱斯特地震序列的研究也得出了类似的概率，时间跨度约为地震发生前的 40 天。
研究人员提出，这种低震级前兆活动的地质成因可能是由于断层中的孔隙流体压力显著增加。
孔隙流体压力指的是岩石内部的流体压力。当压力足够大时，可能会导致断层滑动，因为它能够克服断层两侧岩石之间的摩擦阻力。
“断层中的高孔隙流体压力会改变断层的机械性质，进而导致区域应力场的不均匀变化，”德里莫尼解释道。“我们认为这些不均匀的变化控制了异常的低震级前兆地震活动。”
吉罗纳认为，机器学习正在对地震研究产生积极的影响。
“现代地震网络能够产生大量数据集，如果加以充分分析，就能为地震前兆提供宝贵的见解，”他说道。“机器学习和高性能计算的进步将发挥变革性作用，帮助研究人员识别出潜在的大地震信号。”
地震预测的挑战与伦理
尽管这一研究成果令人振奋，吉罗纳和德里莫尼仍强调，他们的算法需要在接近实时的场景中进行测试，以应对潜在的预测挑战。此外，研究人员指出，在将算法应用于新地区之前，必须用该地区的历史地震数据进行训练。
吉罗纳指出，地震预测既重要又具有争议性。
“准确的预测可以通过早期预警挽救生命并减少经济损失，给人们留出疏散和准备的时间，”他说道。“但地震预测本身的不确定性也带来了重大的伦理和实际问题。”
他警告称，错误预警可能引发不必要的恐慌、经济混乱以及公众信任的丧失，而未能预测的地震则可能导致灾难性后果。
