本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

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***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：

本圖片來自知乎用戶@高山，上述其余圖片作者不可考

　　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***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，***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。

[[268456]]
王暾博士，圖片來自北京科技報

　　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。

[[268457]]

　　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。

[[268458]]

　　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？