科技日報訊 （記者劉霞）30多年來，用于預警地震余震的模型基本上沒有變化。雖然這些模型在數據有限的情況下運行良好，但隨著數據量與日俱增，這些模型舉步維艱。鑒于此，美國和德國科學家創建了一個使用深度學習預警余震的新模型，其不僅比現有地震預警模型更高效，還可以擴展。相關研究刊發于8月31日出版的《地球物理研究快報》上。

新模型名為“復發地震預報”（RECAST），在10000多次地震事件中，其表現優于現有的傳染型余震序列（ETAS）模型。

論文主要作者、加州大學圣克魯斯分校凱利安·達舍爾-庫西諾解釋稱，ETAS模型基于上世紀80年代和90年代的觀測數據集而設計，當時科學家們試圖根據很少的觀測結果建立可靠的預警。但現在地震目錄變得更龐大且更詳細，在科學家們已擁有數百萬個地震事件目錄，舊模型根本無法處理這么多數據。

為證明RECAST的能力，研究小組首先使用ETAS來模擬地震目錄，隨后他們使用南加州地震目錄中的真實數據測試了RECAST的模擬能力。結果發現，RECAST在預警余震方面的表現略好于ETAS，尤其在數據量增加的情況下。

研究團隊指出，機器學習領域不斷取得新進展，RECAST模型將更準確，更容易適應不同的地震目錄。該模型也為地震預警開辟新的可能性。由于能夠適應大量新數據，該模型有可能結合來自多個地區的信息，更好地預警數據不足地區的情況。