阿拉斯加费尔班克斯大学（University of Alaska Fairbanks）一位科学家的研究表明，根据对之前大面积低水平构造活动的识别，公众可以在大地震发生前数天至数月提前收到通知。这项分析主要针对阿拉斯加和加利福尼亚的两次重大地震。新研究强调，通过使用机器学习检测地震活动的早期迹象，有可能提前几个月预测大地震。然而，这种预测技术的有效性和道德影响仍是争论的主题。
这项工作由阿拉斯加大学地球物理研究所的助理研究教授塔西洛-吉罗纳（Társilo Girona）领导。
吉罗纳是一名地球物理学家和数据科学家，研究火山爆发和地震的前兆活动。德国慕尼黑路德维希-马克西米利安大学的地质学家Kyriaki Drymoni是该研究的合著者。
这种基于机器学习的检测方法于8月28日发表在《自然-通讯》（Nature Communications）上。
赫罗纳说："我们的论文表明，先进的统计技术，特别是机器学习，有可能通过分析地震目录中的数据集来识别大震级地震的前兆。"
作者编写了一种计算机算法来搜索数据，寻找异常地震活动。算法是一套计算机指令，用于指导程序解释数据、从中学习并做出明智的预测或决策。 案例研究：安克雷奇和里奇克雷斯特地震
他们重点研究了两次大地震：2018 年 7.1 级安克雷奇地震和 2019 年加利福尼亚州里奇克雷斯特 6.4 至 7.1 级地震序列。他们发现，在所研究的两次地震之前，阿拉斯加中南部和南加州约 15%至 25%的地区都发生了约三个月的异常低震级区域地震，大地震前的动荡主要是由震级低于 1.5 级的地震活动引起的。
安克雷奇地震发生在 2018 年 11 月 30 日上午 8 时 29 分，震中位于该市以北约 10.5 英里处。地震对一些道路和高速公路造成了广泛破坏，一些建筑物也受到了损坏。
吉罗纳和 Drymoni 利用他们的数据训练程序发现，在安克雷奇地震中，30 天或更短时间内发生大地震的概率在 11 月 30 日地震前三个月左右突然上升到约 80%。就在地震发生前几天，概率上升到约 85%。在里奇克雷斯特地震序列发生前约 40 天开始的一段时间内，他们对该地震序列也有类似的概率发现。
吉罗纳和 Drymoni 提出了低震级前兆活动的地质原因：断层内的孔隙流体压力明显增加。孔隙流体压力是指岩石内部流体的压力。如果孔隙流体压力足以克服断层两侧岩块之间的摩擦阻力，那么高孔隙流体压力就有可能导致断层滑动。
导致大地震的断层中孔隙流体压力的增加会改变断层的机械特性，进而导致区域应力场的不均匀变化。研究认为认为，这些不均匀变化控制着异常的、前兆性的低震级地震。
机器学习正在对地震研究产生重大的积极影响，吉罗纳说："现代地震网络产生了巨大的数据集，如果分析得当，可以为地震事件的前兆提供有价值的见解。这正是机器学习和高性能计算的进步可以发挥变革性作用的地方，使研究人员能够识别出可能预示着地震即将发生的有意义的模式。 "
作者指出，他们的算法将在近实时情况下进行测试，以确定并解决地震预报中的潜在挑战。如果没有根据该地区的历史地震情况对算法进行训练，就不应该在新的地区采用这种方法。制作可靠的地震预报具有"非常重要且经常引起争议的层面"。准确的预报有可能通过提供预警来挽救生命和减少经济损失，以便及时疏散和做好准备。然而，地震预报固有的不确定性也提出了重大的伦理和实际问题。错误的警报可能导致不必要的恐慌、经济混乱和公众信任的丧失，而预测失误则可能带来灾难性的后果。
编译自/scitechdaily