(图:俄勒冈州内斯科温海滩(Neskowin Beach)分布着一片有2000年历史的云杉林遗迹——这是俄勒冈州和华盛顿沿线的几十个“幽灵森林”之一。人们认为,卡斯卡迪亚俯冲带曾发生特大地震,树木倾倒,海啸来袭。)
去年5月,沉睡了13个月之后,华盛顿普吉特海湾(Puget Sound)下方的地面隆隆地苏醒过来。地震始于奥林匹克山下方20多英里处,在几周的时间里,向西北方向漂移,到达加拿大的温哥华。然后,它短暂地扭转了方向,又迁移回了美国边境。总的来说,这场持续一个月的“地震”释放了震级为6级的能量。到地震结束时,温哥华南端已经向太平洋推进了大约一厘米。
然而,由于地震在时间和空间上的分布如此之广、分散,很可能没有人感觉到它。
这类幽灵地震比常规的快速地震发生在地下更深的地方,被称为“慢地震(slow slips)”。它们大约每年在太平洋西北部发生一次,沿着断层,胡安·德富卡板块滑入北美板块下方。自2003年以来,该地区庞大的地震台站网络已经探测到了十几次慢地震。在过去一年半中,这些事件一直是地球物理学家保罗·约翰逊(Paul Johnson) 进行地震预报的关注重点。
Johnson的团队是少数几个使用机器学习的小组之一,他们试图揭开地震物理学的神秘面纱,并梳理出其中的地震预警信号。两年前,Johnson和他的合作者使用与图像和语音识别类似的模式发现算法,在一个模型实验室系统中成功地预测了地震。
现在,Johnson及其团队在发布于网站arxiv.org上的一篇论文中报告说,他们已经在太平洋西北部的慢地震上测试了其算法。该论文尚未经过同行评审,但外界专家称结果令人鼓舞。根据Johnson的说法,该算法可以在一场慢地震的开始的“几天前”对其进行预测。莱斯大学的地震学家马丁·德·霍普(Maarten de Hoop)表示,“我认为这是第一次,我们确实在迈向地震预测方面取得进展”。
斯坦福大学地球物理学家穆斯塔法·穆萨维(Mostafa Mousavi)称新结果“有趣且鼓舞人心”。但同时,他也强调机器学习在能够可靠地预测灾难性地震之前还有很长的路要走。尽管研究中还有很多困难要克服,在这样一个科学家深耕数十年几乎看不到希望的领域,机器学习可能会成为新的突破口。
灾害性地震和慢地震
已故的地震学家查尔斯·里希特(Charles Richte