在发生破坏性地震后，立即以全自动化方式实时报告震源机制，对于及时表征断层几何特征、评估应力扰动和评估余震模式至关重要。为了解决实时地震学中的各种问题，已经引入了诸如人工智能（AI）之类的先进技术，但与确定地震的其他震源参数（即震源时间，位置和震级）相比，震源机制的估算通常需要更多的人为干预，并且缺乏完全的自动化和效率。
日前，中国科学技术大学地球和空间科学学院张捷教授课题组在监测地震、应用人工智能实时估算地震震源破裂机制参数领域取得了突破性进展。
研究团队利用了深度学习的强大进展，并提出了一种新颖的深度卷积神经网络(Focal Mechanism Network, FMNet)，可以使用全波形快速估计源震源机制。与通常的应用程序需要监督大量的真实数据的有监督神经网络模型的训练不同，FMNet可以首先使用合成数据进行训练，然后直接应用于真实数据。因此，无论有无历史地震数据，该方法都可广泛应用于潜在地震危险区域。
（通过深度学习确定震源机制的框架示意图，摘自论文）
FMNet从合成训练数据中学习有关源震源机制的波形的普遍特征。这就考虑了在没有足够历史震源震源机制的情况下进行神经网络模型的训练，特别是对于那些地震活动有限但有潜在地震灾害的地区。为了生成大型训练数据集，我们对感兴趣的研究区域的三维（3D）网格空间进行了离散化处理，并在每个空间网格点模拟各种震源机制的理论波形。
研究团队进一步用787320个合成样本训练FMNet模型，然后将其应用于预测2019年7月发生在南加州的Ridgecrest地区的地震序列中4次震级大于5.4兆瓦的真实地震的震源机制。接收到地震发生的数据后，只需不到200毫秒的时间，FMNet在单个CPU上可靠地预测源震源机制。
该成果目前正在转化成实际运行的功能，近期将在中国科学技术大学和中国地震局合作研发的“智能地动”人工智能地震监测系统上试运行。
参考资料：
http://news.ustc.edu.cn/info/1055/74364.htm
论文链接：
https://doi.org/10.1038/s41467-021-21670-x
立足学术前沿，远瞻产业发展。更多数据请参考前瞻产业研究院《2020-2025年中国地震专用仪器制造及地震服务行业深度调研及发展建议报告》，同时前瞻产业研究院提供产业大数据、产业规划、产业申报、产业园区规划、产业招商引资、IPO募投可研等解决方案。
疯狂爆灯！哈哈哈~~~~
，，各个行业都有？我每天下几篇，重点是不用钱！！适合学生党！！。给传报告的加鸡腿好嘛~~~
1万一小时定律，我一定要明年薪水翻倍！
