地震预报一直是科学界的难题，即使在科技高度发展的今天，准确预测地震仍然困难。AI时代的到来为实现科学技术突破提供新机遇，本文深度探讨了如何将深度学习技术与地下流体监测数据相结合，实现地震前兆信号的有效识别。
导 读
地震预报一直是困扰科学界的一个巨大难题，地下流体系统因能够放大地壳中的应力-应变变化，是经济、高效的地震前兆监测指标之一。传统信号分析技术在处理复杂非线性数据、应对噪声干扰以及分析大规模数据时存在局限，且高度依赖专家主观判断，难以捕捉有效的地震前兆信号。深度学习技术凭借其快速处理海量数据和检测复杂非线性信号的优势，为地震前兆识别带来了新的突破。本文聚焦于应用深度学习模型识别地下流体前兆信号，探讨了如何通过优化模型和构建实时监测系统来提升地震前兆识别的准确性与时效性，为未来的地震预报提供新的思路和方法。
图1 图文摘要
为什么可以在地下流体中监测到地震前兆信号？
地下流体能够监测到地震前兆信号，是因为地下水系统可以极大地放大细微的构造形变和地震应力场变化。这些变化通过孔隙压力、水位、水化学成分等指标反映出地壳内部的动态过程。此外，地震前的应力-应变变化与断层活动密切相关，因此地下流体的异常变化成为有效的地震短期前兆指标。
如何利用深度学习模型捕获地下流体中的前兆信息？
基础模型开发
时间序列异常检测常通过数据重构和预测来实现，当模型的预测值或重构值与观测值偏离并达到设定阈值时，标记为异常，但这些异常需经过专业验证以排除非地震前兆。为提高模型效果，可将监测数据划分为地震活跃期和非活跃期，利用非活跃期数据进行训练和验证，活跃期数据用于测试。由于大部分监测数据缺乏明确标签，建议采用无监督学习技术，特别是自监督学习技术，自动挖掘数据中的潜在模式。结合传统信号分析技术开发混合模型，可更有效地处理复杂、高维数据，提升模型的鲁棒性和泛化能力，从而更准确地捕捉地震前兆信号。
完善地震地下流体前兆信息目录
随着算力的不断提升和算法的不断优化，深度学习模型在地下流体监测将得到更多的应用。通过人机交互，可以进一步开发、完善地下流体地震前兆信息目录，包括：地震活跃期与非活跃期标签、前兆异常标签、对应的地震震级、震中距、前兆到地震的发生时间等。
基础模型到大模型发展
当基础模型足够成熟且拥有完善的地下流体地震前兆信息目录后，可以将其扩展至大模型，以进一步提升模型的精准度和通用性。借鉴ChatGPT等大模型的训练逻辑，在模型训练阶段使用大规模地下流体数据进行自监督学习，以识别前兆异常并对地震做出初步预报。在此基础上，再利用特定区域的有标签数据进行微调，结合监督学习，进一步优化模型，确保其精确地适应特定的地下流体监测任务。
建立实时监测与预报系统
不同于传统的地震预报系统，深度学习模型通过实时监测和分析地下流体异常信号，提供更长的地震预报时间，从而减轻地震可能带来的损失。我们建议预报系统的设计要重点关注如何提高预报的准确性同时减少误报率，确保预报系统的实用性和效果。
总结与展望
地下流体异常检测在地震前兆研究中起着关键作用。随着数据量的快速增长，传统方法难以有效整合多元化、大规模的数据。人工智能，尤其是深度学习模型，为此提供了新的解决方案。深度神经网络具备强大的异常数据挖掘能力，未来大模型的发展有望打破传统方法的信息壁垒，实现真正的数据融合，挖掘更多的地震前兆信息。通过建立完整的地下流体前兆信息目录，从基础模型（尤其是无监督学习）到大模型，最终实现系统化的实时监测与预报体系，这为地下流体监测和地震预测提供了新的思路与方法。
责任编辑
顾 磊 苏黎世联邦理工学院
王高锋 中国科学院广州地球化学研究所
本文内容来自The Innovation姊妹刊The Innovation Geoscience第2卷第4期以Commentary发表的“Deep learning for identifying earthquake precursors: Applications and challenges in subsurface fluid signals” (投稿: 2024-05-18；接收: 2024-08-04；在线刊出: 2024-08-14)。
DOI: https://doi.org/10.59717/j.xinn-geo.2024.100093
引用格式：Chu B., Zhang Y., Fu L., et al. (2024). Deep learning for identifying earthquake precursors: Applications and challenges in subsurface fluid signals. The Innovation Geoscience 2(4): 100093.
作者简介
楚炳菲，中国科学院地质与地球物理研究所在读博士生， 主要研究方向为深度学习在水文地质/水文地球物理中的应用；基于水位、潮汐、气压对特定地层参数的反演等。
张 艳，博士，中国科学院地质与地球物理研究所副研究员。主要依托原位实地观测数据从事地震地下流体（地震水文学/水文地球物理）研究以及岩石物理研究。成果包括：(1) 首次探索性地将地震地下流体（水位对潮汐、气压加载的响应）研究与CO2地质封存、页岩气勘探开发有毒废水封存所涉及的上覆盖层封闭性的研究相结合；提出基于月亮主半日波M2+月亮主日波O1潮汐响应成分相结合的算法，探究上覆盖层的垂向渗透率和裂隙分布；(2) 定量获得孔隙弹性理论适用的尺度范围（1.5个破裂长度范围）；探究得出大地震导致远场区域震时体应变变化的物理机理；(3) 运用有限差分方法，首次实现从含流体双相介质建模到全波形传播的数值模拟。迄今发表专业学术文章36篇, 其中第一作者文章18篇。担任The Innovation 国际期刊青年编委；中国岩石力学与工程学会-工程地质力学分会理事。
符力耘，中国石油大学（华东）二级教授，博士生导师。2004年入选中国科学院“百人计划”，在中国科学院地质与地球物理研究所工作，地震学科组组长，2017年加盟中国石油大学（华东）。获国家杰出青年基金（2009年）、山东省泰山学者“攀登计划”（2021年）和顶尖人才“筑峰计划”（2023年）。长期从事理论地震学和勘探地震学基础与应用研究，包括深层高精度地震采集成像、深海宽频地震采集成像、高温高压岩石物理及弹性波传播、地层压力与温度非线性地震反演等，在国内外学术刊物发表论文300余篇，获授权国家发明专利40余件。
祁生文，中国科学院地质与地球物理研究所研究员，博士生导师，中国科学院大学岗位教授。中国科学院页岩气与地质工程重点实验室主任、中国科学院地质与地球物理研究所学术委员会委员。2018年获国家杰出科学基金资助，同年入选国家级人才和中华人民共和国科学技术部中青年科技创新人才。长期从事岩体工程地质力学的科研教学工作，参与三峡、锦屏、小湾、双江口、新京张铁路、川藏铁路等多项重大工程中的重大滑坡、高边坡、地下厂房、深埋隧道变形稳定性评价工作，在岩体结构动力学效应与岩体动力灾变方面有突出贡献。已在国内外权威学术期刊上发表论文200余篇，其中第一/通讯作者SCI论文70余篇，论文被总引超4000次。
黄天明，研究员，博士生导师，中国科学院页岩气与地质工程重点实验室副主任，水文地质与地热资源学科组组长，中国科学院大学地球与行星科学学院水文地质与地热资源教研室主任。主要从事水循环与水岩气相互作用研究。已发表学术论文100余篇，总被引3000余次，其中以第一/通讯作者在GRL、JGR-Atmospheres、JGR-Solid Earth、JH等SCI期刊上发表论文38篇。任中国水利学会地下水科学与工程专委会副主任、中国自然资源学会干旱半干旱区资源研究专委会副主任、国际水文科学协会中国委员会同位素分委员会委员兼秘书长、中国矿物与岩石地球化学学会水文地球化学专委会委员；任Frontiers in Earth Science副主编，Journal of Groundwater Science and Engineering、工程地质学报等期刊编委。
庞忠和，我国第一位地热博士。现任中国科学院地质与地球物理研究所地热研究中心主任、中德地热中心主任、中国地球物理学会理事和地热专业委员会主任。曾受邀在联合国气候变化大会COP18上作地热报告。主持国家自然科学基金重点项目、国家科技部973、863课题及代表中国主持国际原子能机构亚太区域合作项目等40余项，在国内外重要刊物发表论文260余篇，合作主编著作5部，被引9000余次，H指数47，主持制定地热国标4项，是《新时代地热能高效开发利用研究》丛书总主编，世界2%高影响力科学家。曾获中国地质学会的“青年地质科技奖(金锤奖)”“中国青年科技奖”、“国际地球化学协会水岩相互作用之友和杰出贡献奖”。在地热系统动力学、地热高效开发与储能和二氧化碳地质利用封存等方面取得重大研究进展。提出的“二元聚热”地热系统动力学创新模式、青藏高原统一地热模式和地热化学地温计-FixAL方法等为世界同行广泛采用。
张 怀，中国科学院大学地球与行星科学学院教授，博士生导师，国家杰出青年基金获得者。长期从事计算地球动力学研究。近5年主持国家自然科学基金重大项目课题、国家863项目课题、973项目课题、中国科学院战略性先导科技专项B、国家自然科学基金面上项目和国土资源部重大科技专项等研究课题等共10余项。
往期推荐
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
|
The Innovation 简介
The Innovation是一本由青年科学家与Cell Press于2020年共同创办的综合性英文学术期刊：向科学界展示鼓舞人心的跨学科发现，鼓励研究人员专注于科学的本质和自由探索的初心。作者来自全球58个国家；已被151个国家作者引用；每期1/5-1/3通讯作者来自海外。目前有200位编委会成员，来自22个国家；50%编委来自海外(含39位各国院士)；领域覆盖全部自然科学。The Innovation已被DOAJ，ADS，Scopus，PubMed，ESCI，INSPEC，EI，中科院分区表(1区)等收录。2023年影响因子为33.2，2023年CiteScore为38.3。秉承“好文章，多宣传”理念，The Innovation在海内外各平台推广作者文章。
期刊官网：
www.the-innovation.org
期刊投稿（Submission）：
marketing@the-innovation.org
Logo｜期刊标识
See the unseen & change the unchanged
创新是一扇门，我们探索未知；
创新是一道光，我们脑洞大开；
创新是一本书，我们期待惊喜；
创新是一个“1”，我们一路同行。
The Innovation 姊妹刊
The Innovation
赞助单位