人工智能--地震检测能力提高了17倍！

Thibaut Perol于2018年2月14日在美国《科学进展（Science Advances）》发表了“地震检测和定位的卷积神经网络（Convolutional neural network for earthquake detection and location）”的文章。文中介绍了采用人工智能AI的深度学习方法成功地提高了地震的检测能力。作者称，他们利用人工智能的卷积神经网络深度学习方法在俄克拉荷马检测出比常规地震目录多17倍的地震，该方法可以在含有噪声的记录中识别地震，这对于深入了解地震和解剖地震具有重要的意义。

2009之前俄克拉荷马每年大约仅有2次三级以上的地震发生，可是2015年地震多达900次以上，尽管去年的地震频度有所下降。这个地区发生的5.8级地震造成了一些地区房屋破坏。这种变化被认为是页岩气开采中水压致裂的废水处理引起，称为诱发地震。这种现象引起了地震学家的极大关注。为研究这些地震，了解发生了什么，调查其根本原因，Thibaut Perol说：“我们需要一个大的、大的地震目录（WE NEED A BIG, BIG CATALOGUE OF EARTHQUAKES）”。

哈佛大学的工程和地球科学部门，Perol和他的同事们提出了利用人工智能来扩大国家地震探测器灵敏度的解决方案。《科学进展》杂志的这篇文章展示了这项技术的有效性--能够在一定时间内检测到17倍以上的地震。该系统称为 Convnetquake。

AI地震检测系统Convnetquake架构

你用过苹果手机的语音识别软件Siri吗？地震识别软件和语音识别软件原理很相似，都是为了识别噪音中的信号。像Siri一样的软件还有亚马逊的Alexa，微软的Cortana（小娜），谷歌的Google Assistant，百度的语音识别等等。这些语音识别软件可以在背景噪音中识别出你的声音。同样对于地震，这意味在地球脉动“噪声”中发现可能很小或远处的地震，使地震学家可以得到更多的地震信息。

Siri语音识别

Perol和他的同事们开发了卷积神经网络识别地震的AI软件，采用了深度学习的方法学习地震数据，比如在俄克拉荷马和威斯康星地区，那里几乎没有地震，只有1947发生的1次地震。与所有的神经网络一样，软件检查输入数据并进行学习，然后找出地震通用特点的模型，一旦发现相像的数据，则识别出这些地震。就像在潮水中发现贝壳一样，发现微小地震。作为副产品，神经网络通过匹配他们创建的模式与历史数据，还可能识别某些地震的粗略位置。

卷积神经网络识别噪声中的地震

Perol说，“用这种方法我们可以检测到零或负级地震。这些信号，人的眼睛无法识别”。地震学家一致认为该成果“引人注目”，神经网络将最适用于“地方地震监测工作”。在俄克拉荷马可以清楚地显示哪些地方地震活动频率高，这对于深入了解诱发地震，解释诱发地震的成因肯定有帮助。目前地震检测识别非常有效，但是地震的大小和位置的估计也是必要的。AI技术检测应用到地震监测上使地震监测不仅灵敏度大大提高，而且可以在地脉动的噪声中准确识别出小地震，这无疑对于探索地震产生的过程是具有挑战性的。

CGI-KP2018015