一、人工智能地震监测与参数测定系统研发与业务化应用
在“十四五”国家重点研发计划“基于大数据和人工智能的地震监测预测技术研究”（2021YFC3000700）支持下，项目组提出并研发了一种基于深度学习的地震异常检测系统，并将其应用于EarthX-CSES系统。该系统能够实时获取包括地震信号在内的多种观测数据，利用预训练的神经网络模型预测未来几天内大震发生的概率，技术路线融合了数据降维与深度学习方法，既可用于天然地震的临震预测，也可拓展至诱发地震大震的临震预测。
为有效测试异常检测模块的实用性，项目组将训练完成的模型部署至EarthX-CSES系统平台开展试运行。在试运行期间，系统可较好捕捉噪声和随机事件；进一步向系统输入500个合成前兆数据进行测试，结果显示识别率约为80%，其中400个合成异常信号被成功检出。
尽管在EarthX-CSES系统运行的一年期间，系统产出关于地震异常的报告较少，主要系因模型当前主要针对“海城-岫岩”异常模式开展训练，而历史数据表明川滇地区存在此类异常模式的概率较低，因此对该模式的实际检验仍需时间积累。例如在2020年10月17日至11月13日川滇地区地震活动性较高时段，系统虽产出了异常报告，但其后并无大地震发生；经Match&Locate方法重定位并与台网目录对比后，人工研判认为该时段信号特征虽类似“海城-岫岩”异常但并不清晰，最终归为随机事件，并反馈至训练集用于模型微调更新，继而重新部署至系统以提升稳定性。
在此基础上，项目组建立了“海城-岫岩”地震异常模式训练集（训练集3000个、验证集1500个、测试集1500个），采用有监督深度学习方法开展识别技术研发与验证实验。结果表明：模型对噪声识别率约89%、对合成前兆识别率约82%、对随机事件识别率约63%，说明对有先验信息的特定异常类型识别可行；但受限于实际“海城-岫岩”类事件的稀缺，模型仍需持续积累实测数据加以验证。
同时，项目组研发并持续完善了全球首个自动化运行的人工智能实时地震监测系统EarthX。该系统集成人工智能地震去噪、事件检测、震相拾取与震源机制解测定等模块，显著提升震源参数产出精度—震中定位误差由约38 km降至约8 km，深度定位误差由约10 km降至约5 km，震级测定平均误差由约0.6级降至约0.2级。
项目组还研发了人工智能地震辅助编目系统RISP，基于中国大陆近10年积累的观测数据，构建了2个深度学习地震检测模型，并基于AI识别的初动构建了震源机制反演流程FocMech-Flow，以实现小震震源机制快速反演。在四川省地震局测试运行期间，EarthX系统2022年产出3000余次地震事件目录，较速报系统（93次）提升30余倍，事件检出率达86.02%，发震时刻平均偏差仅0.69 s，震中位置平均偏差3.78 km，震级偏差平均0.14级。RISP系统已在四川、云南、福建等9个地区部署测试并开展业务化应用，在泸定6.8级、马尔康5.8级、漾濞6.4级等中强地震序列中发挥重要作用，实时检测出余震数量均为人工分析的2倍以上。
特别值得指出的是，在土耳其7.8级双震发生后，项目组迅速从IRIS下载台网数据，利用基于人工智能的LOC-FLOW自动处理算法快速处理2月6日至14日余震序列，共检测764个余震（最小震级M1.0），清晰勾画出两次主震的破裂尺度（分别约310 km与210 km），为极震区判定与救援部署提供关键支撑（图1）。
图1 基于人工智能自动定位的土耳其7.8级双震余震序列
蓝色圆圈表示绝对初步定位结果，红色圆圈表示相对精定位结果，圆圈大小表示地震震级大小；五角星表示两次7.8级地震；黑色三角形表示定位用的台站
二、高精度数据集构建与全球地震物理规律新认识
项目组建立了全球规模最大的人工智能地震监测数据集，涵盖2009年以来中国地震台网记录的130余万个地震事件、4500余万条标注数据，为算法训练提供坚实基础。
团队还创新性地通过机器学习对全球3000多个地震开展分类与相关性分析，证明深浅地震破裂过程差异由地球刚度控制而非具体机理，纠正了长期研究误区，改进了Aki（1967）自相似定义，建立了新地震标度律并预测了参数随深度的系统性变化，相关成果发表于Nature Geoscience。
此外，项目组为“2022年度地震趋势会商预备会”提供分析报告，整理2020年6月至2021年10月期间“智能地动”系统在震后数分钟内产出的中国地震科学实验场地震震源机制解300余次，对震源机制解产出结果与历史目录进行对比分析，开展了川滇地区震源机制解一致性分析，并于2021年10月21日会议中汇报总结，撰写了“川滇地区震源机制特征及一致性分析”相关内容。
三、人工智能驱动的介质结构与参数实时反演技术研发
在“十四五”国家重点研发计划“地壳介质参数及其变化自动提取技术研发”课题资助下，取得四项标志性成果：
1.实现横波分裂秒级实时测定，秒级获得介质各向异性
基于实时传输的台阵地震数据，进行实时的震相拾取、地震定位，并由该功能组成实时地震数据处理模块。基于前人提出的全自动横波分裂测量程序MFAST，与地震数据处理模块进行集合，实现快波偏振方向φ和快慢波时延δt的实时计算。当出现新的地震事件且符合横波分裂计算的预设条件时，会将实时地震数据预处理模块已经得到的P、S波到时、地震事件定位结果等信息写入SAC文件的头段变量，改写成MFAST所要求的文件格式，传递至横波分裂计算模块利用最小能量法计算横波分裂参数。 算法在川滇菱形块体东边界重点危险区4G实时传输节点地震仪上实现了稳定运行，在2021年10月至2023年3月期间稳定产生地震震相、地震定位和横波分裂参数结果。该算法保证数据的统一性，修改MFAST内置滤波器为统一滤波器（后续测试中使用的为1-20Hz的带通滤波器），筛选地震事件的入射角，同时对得到的横波分离参数进行进一步的质量控制。替代传统手动模式，在保证测量精度的同时，实现了实时横波分裂测量（检测到地震4s后即可产出结果，按分钟统计更新）。相关成果已获软件著作权（登记号：2024SR1679379)。
图2 横波分裂实时测量流程
图3 实时横波分裂测量结果
2.开发高分辨率速度结构自动成像算法
首先，针对背景噪声互相关计算中计算量大的问题，设计并开发了基于CUDA C异构并行编程的单分量和三分量互相关计算程序。该方法将逻辑判断任务交由CPU运行，而密集计算任务（如傅里叶变换、带通滤波）交由GPU处理，显著提高了计算效率。相比传统CPU方法，该程序可在同样时间内完成多倍台站对的互相关计算，极大地降低了数据处理的时间成本，为处理大规模密集台阵数据提供了技术保障。其次，提出了一种高效去除背景噪声互相关函数零时刻附近体波信号的算法。该算法成功解决了体波信号对面波频散走时数据提取的干扰问题，显著提升了面波分析的可靠性。然后，开发了一种基于U-net深度学习模型的背景噪声面波频散曲线自动提取算法，并通过Python语言实现。该算法在提高频散曲线提取效率和精度的同时，大幅减少了人工干预的必要性，适用于大规模地震数据的自动化处理。最后，提出了基于自适应泰森多边形的面波各向同性与方位各向异性自动成像算法，以及体波与面波频散走时联合反演的三维波速与波速比自动成像算法。新算法摒弃了传统方法中对平滑因子的反复试验，显著降低了成像算法的使用门槛，同时提高了成像精度与效率。这些成果已成功应用于实际地震数据成像，实现无需人为干预的三维速度结构自动成像。其中，基于自适应泰森多边形的面波自动成像算法已形成公开专利，为相关研究提供了重要技术支撑。本项目开发的面波直接成像方法，包括三维各向同性速度结构、三维方位各向异性速度结构及三维径向各向异性速度结构的面波直接成像方法，这些算法已经被很多国内外研究组使用，应用于从区域尺度、断裂带尺度、断层尺度、城市尺度、成矿带尺度等不同尺度的结构成像研究中，取得了较好的社会影响力和经济效应。
图4 地震背景噪声面波频散走时自动三维成像软件参数界面
图5 地震背景噪声面波频散走时自动三维成像界面
3. 开发介质波速变化实时分析系统
发展基于地震背景噪声互相关尾波时变敏感核的介质四维反演算法和基于地震事件体波走时的介质四维反演算法，获取研究区域介质三维速度结构准时变信息，为研究区域的地震监测预报提供重要支撑。开发的基于噪声尾波的介质时变成像的算法软件ANC4D，该软件具有GUI操作界面，可利用台站的实时连续噪声记录对地下三维介质速度变化进行成像。该项成果已申请软件著作权一项。如图6所示，是我们开发的基于噪声尾波的介质时变成像的算法软件的主页面。主页面中包含了控制面板、消息面板以及图件展示面板。控制面板中，我们可以进行程序的开启和停止、绘图以及清除等操作。消息面板中可以展示程序运行的实时状态。图件展示面板中可以展示区域台站分布、当前事件的时变三维模型以及数据拟合柱状图。
体波时变成像结果模块以每天为时间采样间隔，产出了当天体波时变成像结果。图7展示了示范应用区域的体波时变成像三维模型结果，包括初始的Vs和Vp模型，走时成像的Vs和Vp模型，体波时变dVs/Vs和dVp/Vp模型。该结果每日产出高效稳定，图件能够以3D模型的形式，清晰展现示范应用区内的体波时变特征，利于业务化和深入科研分析。
我们所开发的实时介质变化成像软件可实时运行于具有实时数据传输的地震台网，具有监测与介质速度变化有关的地质灾害等的潜质，例如大地震前后速度变化、滑坡前后速度变化等。
图6 基于噪声尾波的介质时变成像的算法软件ANC4D主界面示意图
图7 体波时变成像结果图
4. 构建实验场区高分辨率介质结构模型
实验场区已经发布了两个版本的公共速度模型（SWChinaCVM-1.0和SWChinaCVM-2.0）。但在该联合反演方法中，Vp和Vs模型相互独立，没有建立数据对于Vp/Vs模型的直接约束。考虑到地震数据通常对Vp和Vs模型具有不同的敏感度，根据Vp和Vs模型计算的Vp/Vs模型一般具有更大的不确定性和误差。为了获得更为可靠的三维Vp/Vs模型，我们采用了新发展的联合反演方法，利用体波和面波数据共同约束三维Vp和Vp/Vs模型。我们所采用的数据与构建SWChinaCVM-2.0模型一致，利用体波走时和面波频散走时数据进行了联合反演，获得了实验场区地壳及上地幔顶部的高分辨率三维Vp、Vs及Vp/Vs模型。经过13次迭代反演，体波地震目录走时均方根残差从0.95秒降至0.33秒，体波互相关走时差均方根残差从0.73秒降至0.20秒，面波频散走时均方根残差从3.33秒降至1.22s。这说明所获得的Vp、Vs和Vp/Vs模型可以较好的同时拟合多个台阵的体波和面波走时数据。我们对比了通过直接联合反演获得的Vp/Vs模型与SWChinaCVM-2.0中由Vp和Vs模型相除得到的Vp/Vs模型（图8），可以看出，通过将反演获得的Vp和Vs模型相除得到的Vp/Vs模型（图8a-c）较为离散，而通过直接反演获得的Vp/Vs结构更加平滑（图8e-f）。这进一步佐证了所获得Vp/Vs模型的可靠性。
此外，我们分别在中国地震科学实验场区和川滇菱形块体东边界重点危险区构建了目前为止分辨率最高的三维衰减结构模型（图9）。 其中实验场地区的衰减模型横向分辨率50-100 km，垂向分辨率达5 km，川滇菱形块体东边界重点危险区的衰减模型横向分辨率5-10 km，垂向分辨率达2 km。本项目填补了实验场地区此前没有三维衰减模型的空白，为实验场的地球动力学模型提供更多的介质特性的约束。我们结合实验场区已有的速度模型和前人其他地球物理学观测结果，本研究发现沿大型断裂带和一些盆地地区表现为低QP值异常，反映了这些地区介质破碎程度高，具有较厚的沉积层和富含流体等特征。腾冲火山带中上地壳西倾的高衰减异常刻画了深部岩浆可能自西向东上涌的形态。本研究还发现，6级以上的中强地震大多发生在低衰减或高低衰减异常的边界区，2008年汶川Ms 8.0地震和2013年芦山Ms 7.0地震两个地震震源区之间被低衰减区分隔，未来仍具有发生大地震的风险。本研究构建的三维衰减模型将为实验场地震学和地震灾害研究提供高分辨的参考模型。
本项目在实验场地区构建的三维VP/VS模型和川滇菱形块体东边界重点危险区构建的Qp和Qs模型均入选“中国地震科学实验场模型产品”目录。
图8 深度10、20、30公里的Vp/Vs模型
其中（a-c）为SWChinaCVM-2.0模型，（d-f）为通过联合反演直接获得的Vp/Vs模型。其中第一行为根据SWChinaCVM-2.0的Vp和Vs模型得到的Vp/Vs模型（即Vp除以Vs），第二行为利用联合反演直接确定的三维Vp/Vs模型
图9 实验场区分层QP模型
四、人工智能地震预测模型探索与验证
项目组开创性研发了基于图神经网络的短期地震预测模型，在川滇地区实现对1个月内M≥5地震30%的报准率与约10%的误报率，显著优于传统方法。
进一步地，针对最大余震震级预测难题，研发了基于机器学习的最大余震预测模型，其中在全震级数据训练下，BOXgboost模型表现最为优异，误差标准差为 0.463，核密度估计（KDE）峰值为0.05，决定系数R²达到最高的0.65，同时在误差阈值 0.3 下的准确率为 46.45%。而对于不同震级区间不同阈值来说，机器学习模型效果均略优于Båth，尤其是阈值越低，效果越好，在阈值为0.2时，机器学习模型效果最好，即便是在5≤M<6区间之间差异并不明显，BOSVM的效果也明显优于Båth。
此外还探究了主震震级、震源深度、辐射能量和震源机制解等参数对最大余震震级预测的影响。结果表明，机器学习方法能够有效捕捉主震特征与最大余震震级之间的复杂非线性关系，其预测准确性显著优于传统的Båth定律。SHAP值解释性分析揭示了震源物理特性与最大余震震级预测之间存在非简单线性关系，这突破了传统仅依靠主震震级建立经验关系的局限。通过核密度分布图和Spearman秩相关系数分析，我们发现主震震级虽为首要影响因素，但其他震源物理参数也贡献显著，证实了地震孕育过程的多因素复杂性。
五、示范应用成效
系统平台计入了示范区石棉地区（鲜水河-安宁河断裂带交界面带）37个速报台的实时数据流，包括命令控制窗口、结果显示窗口和运行消息窗口。部署以来，系统平台运行稳定，产出结果和图件清晰，完全无需人工干预，能够实时自动产出结果。在无人工干预的情况下，系统平台对应用示范区内的地震数据流进行实时监测，每分钟min进行一次采样。如果检测到地震事件，该平台能实时完成地震事件的精确定位。再次基础上进一步实时产出区域横波分裂自动测定结果、实时噪声尾波时变成像结果、实时体波时变成像结果并开展了地震前兆提取分析、时体波时变成像中地震重定位结果、实时体波时变成像残差结果。截止2024年11月30日，共产出了10235条自动地震精定位结果、3482条横波分裂结果、10235条噪声时变结果、156幅体波时变图、156幅体波时变定位图和156条体波时变误差图。这种每日产出的高效稳定流程，使得体波时变成像技术能够为地震监测提供及时、清晰且可靠的信息。它不仅有助于业务化运作，比如实时预警和应急响应，而且对于深入的科学研究也具有重要价值，例如了解地震发生机制、评估断层活动性以及研究地球内部结构的变化等。通过持续优化和改进这一流程，可以进一步提升我们对地震现象的理解和预测能力。
系统平台在四川台网所部署的示范应用系统获取了为期6个月的横波分裂图像和介质时变特征，实现了在我国西南构造复杂、地震频发地区的业务系统示范应用任务之一。这也是全球首个从地震波监测到智能化介质结构自动成像平台，完全自动实时运行，无需人工干预，为该系统的业务化和应用推广提供了可靠的案例支撑。
应用示范系统平台所产出的结果，能够实时反映地壳介质参数特征，这些特征无疑是提取有效强震前兆信息的重要基础资料。目前，示范应用过程中的结果已经提交给下游课题5开川滇人工智能地震综合预测研究使用。在未来，随着该系提供平台的推广，将对全国更多区域的地震预测提供重要数据支撑。再次，示范应用系统功能强大、易于使用，应用场景和发展前景广阔。本项目在四川地区的应用示范，在一定程度上推动了自动横波分裂技术和介质性质成像技术应用的发展，为科学研究及业务开展带来更多便利和高效。
图10 系统平台图像展示图
引用信息——周连庆，熊攀等，2026，解剖地震：人工智能地震监测预测技术研发及应用（doi:https://dx.doi.org/10.12484/jpdz.ycs.2026017）
