“地震波還有61秒到達”,08年籌建的技術,在這次四川地震中立功了

2019-06-18 13:50 稿源:量子位公眾號  0條評論

人工智能,AI

聲明:本文來自于微信公眾號 量子位(ID:QbitAI),作者:地應栗 郭一璞 ,授權站長之家轉載發布。

救命技術,緊急時刻立功了。

昨晚將近 11 點,地震頻發的四川又發生了一場大地震,震中位于四川省宜賓市長寧縣,震級達到6. 0 級,震源深度 16 千米。

對許多四川人民來說,這不是第一次經歷地震了,但與以往不同的是,震感來臨前,他們電視上出現了彈窗:

成都、德陽、樂山、廣元、涼山……震中周圍各地都收到了提醒。

不少居民小區的喇叭也播報了倒計時的聲音。

安裝了預警APP的用戶,手機上也出現了倒計時提醒。

 來自知乎用戶@看似很簡單

以成都為例,當地居民提前 61 秒就收到了預警。

不少網友都表示,在窗外的廣播數到 0 的時候,大地突然就震動了起來。

時間非常精準,準確度讓人震撼。

雖然時間只有幾十秒,但能提前把地震消息告訴當地居民,贏得了寶貴的逃命時間,減少人員傷亡。

那么,這究竟是怎樣一門技術呢?

與地震波賽跑

需要提醒的是,地震預警,并非是像預言那樣預測地震,而是在地震發生后,迅速將這一消息告知地震波還沒有到達的地方。

當地震在震中發生時,地震波向周圍蔓延,所到之地才開始震動,造成樓房倒塌破壞。

相對光速的電波來說,地震波的速度相對較慢,速度較快的縱波(P波)在地殼處的速度在每秒 6 千米以下。

速度較慢、造成破壞更大的橫波(S波)速度則通常在每秒3~ 4 千米左右。

無論是哪種地震波,都比我們日常通信使用的電波慢得多。

假設兩座城市之間地震波的傳遞需要 30 秒,而在第一座城市作為震中發生地震時,通過電波將信息傳遞到第二座城市,第二座城市的居民就有將近 30 秒的時間可以避難。

以此類推,第一座城市周邊許多城市、鄉村的居民都可以提前數秒或幾十秒知道地震波即將到來,留出避難時間。

因此,地震預警就是和地震波賽跑,在地震波來之前告訴大家:地震波馬上就到你的城市了,快逃命。

ICL地震預警系統

原理有了,還缺實踐。

這套在昨夜的地震中起到作用的預警系統,名叫ICL地震預警技術系統,ICL是英文Institute of Care-Life(關愛生命機構)的縮寫,這套系統來自成都高新減災研究所。

研究所所長王暾是美國康涅狄格大學理論物理學博士。王暾本來在奧地利科學院做博士后, 2008 年汶川地震后決定回國研發地震預警系統。根據工商資料信息, 2009 年成都高新減災研究所成立了。

經過在汶川地震余震區的多次實驗,排除各類干擾, 2010 年底,王暾團隊的地震預警系統雛形出爐了,幾個月后就實現了通過手機短信接收地震預警信號; 2012 年,地震預警系統接入了電視臺,整套ICL系統正式研發成功。

一年后,ICL系統也開始在地震帶上做大范圍部署。

據中國新聞網報道, 2013 年成都高新減災研究所就建成了覆蓋面積 40 萬平方公里的地震預警系統,包括布設的甘肅、陜西、四川、云南等 8 個省市部分區域的 1213 臺地震監測儀器、預警中心以及信息發布和接收系統。兩年后,這一系統已經擴展到了 25 個省份,覆蓋 200 萬平方公里。

這套系統迅速起到了作用。

2014 年 8 月 5 日,云南魯甸6. 5 級地震,ICL系統提前 10 秒向昭通市提供預警,提前 57 秒向昆明市提供預警,云南的昆明、昭通、麗江,四川的宜賓、涼山、樂山等地的 26 所學校都收到了警報。

2015 年 1 月 14 日樂山5. 0 級地震,ICL系統分別提前 11 秒、 43 秒向樂山、成都預警。

2017 年 8 月 8 日九寨溝7. 0 級地震,ICL系統提前 19 秒向隴南市預警,提前 48 秒向廣元市預警,提前 49 秒向綿陽市預警,提前 71 秒向成都市預警。

雖然預警時間只有幾十秒,但就這幾十秒,足夠拯救許多人的生命。

王暾說,如果在地震波到達時提前 3 秒收到預警,傷亡人數可降低14%;提前 10 秒,傷亡人數可降低39%;如果汶川地震發生時有預警,死亡人數可能會減少 2 萬至 3 萬。

需要機器學習,也需要大數據

除此之外,在這個AI和大數據的時代,地震預警也有新的機會。

神經網絡,超越了傳統算法

去年 8 月底,哈佛大學和谷歌開發的余震預測機器學習算法,準確度超出以往。于是,成果在Nature上發表了。

余震,雖然發生在主震之后,但危害不一定比主震小,還可能更嚴重:

2010 年 9 月新西蘭基督城發生了7. 1 級地震,沒有人員傷亡。但 5 個月后發生的6. 3 級余震,由于震中靠近市中心,造成了 185 人死亡。

在這項AI研究之前,科學家大多用地震對附近巖石中的應力的改變,來預測某個地點的余震,這叫“應力斷裂法 (Stress-Failure Method)”。它已經能解釋許多余震的規律,但還有更多無法預測的情況。

于是,哈佛和谷歌的研究人員便借用了機器學習的力量:用13. 1 萬次主震和余震數據訓練了一個神經網絡。

這個算法,模擬了一個網格,每一格包含了一次主震震中周圍 5 公里的范圍。

告訴神經網絡,這里發生了一次主震,并把震中附近應力改變的數據也喂給網絡。

就這樣,訓練AI預測每一格發生一次或多次余震的概率。AI把每一格當成一個獨立的小任務去做,而不是計算應力在巖石中不停波動的序列。

訓練完成,團隊用 3 萬次主震加余震的事件,考驗了AI的預測能力。他們發現AI對余震地點的預測,比傳統方法更準確。

更重要的是,神經網絡還能指出,主震過后地面之下可能已經發生的一些物理變化。

有了這些信息,算法中的某些參數,便可以在預測過程中起到更重要的作用:比如描述金屬應力變化的參數,而這樣的參數在從前的余震預測里很少用到。

這樣一來,就給了地震學家一個探索應力變化的新視角,給大地震的余震預測帶來更多的依據。

數據也很重要

剛才提到的研究,預測了地點。但地震時間的預測,一直是世界難題。

而京都大學發表的一項研究,有望提前 1 小時- 20 分鐘預報 7 級以上的大地震。

梅野健教授的團隊,用自己開發的算法組合分析了大量數據,發現大地震發生前會出現一種異常現象:

震源區域上空 60 公里以上,電離圈電子數異常增加。

造成福島核泄漏的 2011 年東日本大地震之前,就出現了這樣的現象。除此之外,前后還有兩次 7 級以上的地震,震前也出現了電離圈電子數的異常增加。

團隊使用的數據,都是來自日本國土地理院的一套GPS大地觀測觀測網,名字叫GEONET

一旦這個結論得到推廣,便可能幫助人類實現大規模的提前撤離。

One More Thing

不過,地震來了的時候,咱出門就別刷臉了吧?

聲明:本文轉載自第三方媒體,如需轉載,請聯系版權方授權轉載。協助申請

相關文章

相關熱點

查看更多
?
4742蚂蚁论坛二肖中特