地震是一种自然现象,是地壳快速释放能量的过程,但是对于我们来说,地震同样是一种可怕的,并且并不算罕见的自然灾害。地震的可怕不仅仅在于其巨大的破坏力与随机性,更重要的是在现有的科技水平和理论知识下,至少在未来相当长一段时间内,地震是无法准确预测的。而这也就导致我们应对地震,除了提高建筑抗震等级、做好防御外,只能尽可能在地震造成破坏之前发现地震的产生,延长疏散群众的时间。
既然现有技术不能实现地震预测,我们又如何在地震产生破坏前实施灾害预防呢?答案其实就在地震监测上。事实上,地震的发生与地震造成破坏之间是存在时间差的,这个时间差来自于地震波之间的差异。
地震波由横波和纵波两部分构成,而横波与纵波的传播速度以及破坏力并不同。一般来说,纵波传播快破坏小,能够在地震发生时,作为地震监测的重要指标,来起到确定震源位置、震级大小的目的,而横波破坏性大,几乎所有地震中,出现灾害性破坏的诱因都是地震横波。换言之,从监测到纵波到横波造成破坏的这段时间,都是地震灾害救援的黄金时间,同样,如果我们能更快地发现纵波情况,并在尽可能短的时间内完成对纵波的分析,那么这段黄金时间就会因此而多几秒。但比较遗憾的一点是,基于地震波的预警系统恰恰在反应速度这块存在一定的缺陷。
不过在近日,一项新的研究似乎让这种情况有所改变。来自法国蔚蓝海岸大学、法国发展研究院、法国国家科学研究中心、蔚蓝海岸天文台的科学家们通过对日本1400个潜在地震位置模拟35万个地震情景获得的弹性重力信号(PEGS),构建了一个深度学习模型(PEGSNet)。据悉,该模型能准确计算地震方位、地震规模以及地震随时间的变化,让地震被察觉的时间提前。
当然,现阶段这个模型还存在许多需要提升的地方,例如PEGS的准确性依旧有待验证,以及目前的模型数据只针对日本,想要针对其他国家投入使用,还需要进一步的完善数据库。但无论如何,这项技术的出现确实提供了一个通过机器学习模型对大型地震的演化进行准确实时估测的研究思路。随着不断推进或许真的可以改变目前地震灾害预防存在的技术盲区。甚至可能成为地震预测难题的一个重要突破口。