文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。
来源 | 量子位（公众号 ID: QbitAI）
作者 | 地应栗 郭一璞
救命技术，紧急时刻立功了。
6 月 17 日 22 点 55 分，地震频发的四川又发生了一场大地震，震中位于四川省宜宾市长宁县，震级达到 6.0 级，震源深度 16 千米。
对许多四川人民来说，这不是第一次经历地震了，但与以往不同的是，震感来临前，他们电视上出现了弹窗：
△ 本图片来自知乎用户@高山，上述其余图片作者不可考
成都、德阳、乐山、广元、凉山……震中周围各地都收到了提醒。
不少居民小区的喇叭也播报了倒计时的声音。
安装了预警 APP 的用户，手机上也出现了倒计时提醒。
△ 来自知乎用户@看似很简单
以成都为例，当地居民提前 61 秒就收到了预警。
不少网友都表示，在窗外的广播数到 0 的时候，大地突然就震动了起来。
时间非常精准，准确度让人震撼。
虽然时间只有几十秒，但能提前把地震消息告诉当地居民，赢得了宝贵的逃命时间，减少人员伤亡。
那么，这究竟是怎样一门技术呢？
01
与地震波赛跑
需要提醒的是，地震预警，并非是像预言那样预测地震，而是在地震发生后，迅速将这一消息告知地震波还没有到达的地方。
当地震在震中发生时，地震波向周围蔓延，所到之地才开始震动，造成楼房倒塌破坏。
相对光速的电波来说，地震波的速度相对较慢，速度较快的纵波（P波）在地壳处的速度在每秒 6 千米以下。
速度较慢、造成破坏更大的横波（S波）速度则通常在每秒 3~4 千米左右。
无论是哪种地震波，都比我们日常通信使用的电波慢得多。
假设两座城市之间地震波的传递需要 30 秒，而在第一座城市作为震中发生地震时，通过电波将信息传递到第二座城市，第二座城市的居民就有将近 30 秒的时间可以避难。
以此类推，第一座城市周边许多城市、乡村的居民都可以提前数秒或几十秒知道地震波即将到来，留出避难时间。
因此，地震预警就是和地震波赛跑，在地震波来之前告诉大家：地震波马上就到你的城市了，快逃命。
02
ICL地震预警系统
原理有了，还缺实践。
这套在昨夜的地震中起到作用的预警系统，名叫ICL 地震预警技术系统，ICL 是英文 Institute of Care-Life（关爱生命机构）的缩写，这套系统来自成都高新减灾研究所。
研究所所长王暾是美国康涅狄格大学理论物理学博士。王暾本来在奥地利科学院做博士后，2008 年汶川地震后决定回国研发地震预警系统。根据工商资料信息，2009 年成都高新减灾研究所成立了。
△ 王暾博士，图片来自北京科技报
经过在汶川地震余震区的多次实验，排除各类干扰，2010 年底，王暾团队的地震预警系统雏形出炉了，几个月后就实现了通过手机短信接收地震预警信号；2012 年，地震预警系统接入了电视台，整套 ICL 系统正式研发成功。
一年后，ICL 系统也开始在地震带上做大范围部署。
据中国新闻网报道，2013 年成都高新减灾研究所就建成了覆盖面积 40 万平方公里的地震预警系统，包括布设的甘肃、陕西、四川、云南等 8 个省市部分区域的 1213 台地震监测仪器、预警中心以及信息发布和接收系统。两年后，这一系统已经扩展到了 25 个省份，覆盖 200 万平方公里。
这套系统迅速起到了作用。
2014 年 8 月 5 日，云南鲁甸 6.5 级地震，ICL 系统提前 10 秒向昭通市提供预警，提前 57 秒向昆明市提供预警，云南的昆明、昭通、丽江，四川的宜宾、凉山、乐山等地的26所学校都收到了警报。
2015 年 1 月 14 日乐山 5.0 级地震，ICL 系统分别提前 11 秒、43 秒向乐山、成都预警。
2017 年 8 月 8 日九寨沟 7.0 级地震，ICL 系统提前 19 秒向陇南市预警，提前 48 秒向广元市预警，提前 49 秒向绵阳市预警，提前 71 秒向成都市预警。
虽然预警时间只有几十秒，但就这几十秒，足够拯救许多人的生命。
王暾说，如果在地震波到达时提前 3 秒收到预警，伤亡人数可降低 14%；提前 10 秒，伤亡人数可降低 39%；如果汶川地震发生时有预警，死亡人数可能会减少 2 万至 3 万。
03
需要机器学习，也需要大数据
除此之外，在这个 AI 和大数据的时代，地震预警也有新的机会。
01
神经网络，超越了传统算法。
去年 8 月底，哈佛大学和谷歌开发的余震预测机器学习算法，准确度超出以往。于是，成果在 Nature 上发表了。
余震，虽然发生在主震之后，但危害不一定比主震小，还可能更严重：
2010 年 9 月新西兰基督城发生了 7.1 级地震，没有人员伤亡。但 5 个月后发生的 6.3 级余震，由于震中靠近市中心，造成了 185 人死亡。
在这项 AI 研究之前，科学家大多用地震对附近岩石中的应力的改变，来预测某个地点的余震，这叫“应力断裂法(Stress-Failure Method)”。它已经能解释许多余震的规律，但还有更多无法预测的情况。
于是，哈佛和谷歌的研究人员便借用了机器学习的力量：用 13.1 万次主震和余震数据训练了一个神经网络。
这个算法，模拟了一个网格，每一格包含了一次主震震中周围 5 公里的范围。
告诉神经网络，这里发生了一次主震，并把震中附近应力改变的数据也喂给网络。
就这样，训练 AI 预测每一格发生一次或多次余震的概率。AI 把每一格当成一个独立的小任务去做，而不是计算应力在岩石中不停波动的序列。
训练完成，团队用 3 万次主震加余震的事件，考验了 AI 的预测能力。他们发现 AI 对余震地点的预测，比传统方法更准确。
更重要的是，神经网络还能指出，主震过后地面之下可能已经发生的一些物理变化。
有了这些信息，算法中的某些参数，便可以在预测过程中起到更重要的作用：比如描述金属应力变化的参数，而这样的参数在从前的余震预测里很少用到。
这样一来，就给了地震学家一个探索应力变化的新视角，给大地震的余震预测带来更多的依据。
02
数据也很重要
刚才提到的研究，预测了地点。但地震时间的预测，一直是世界难题。
而京都大学发表的一项研究，有望提前 1 小时- 20 分钟预报 7 级以上的大地震。
梅野健教授的团队，用自己开发的算法组合分析了大量数据，发现大地震发生前会出现一种异常现象：
震源区域上空 60 公里以上，电离圈电子数异常增加。
造成福岛核泄漏的 2011 年东日本大地震之前，就出现了这样的现象。除此之外，前后还有两次 7 级以上的地震，震前也出现了电离圈电子数的异常增加。
团队使用的数据，都是来自日本国土地理院的一套 GPS 大地观测观测网，名字叫 GEONET。
一旦这个结论得到推广，便可能帮助人类实现大规模的提前撤离。
04
One More Thing
不过，地震来了的时候，咱出门就别刷脸了吧？
星标我，每天多一点智慧
网友评论