中国科学技术大学研究员李泽峰利用机器学习方法，总结了全球3000多个中大地震（5.5级以上）的震源时间函数特征，全景式展示了全球地震破裂过程的相似性和多样性，深化了对地震能量释放模式的认识，对地震早期预警具有启示意义。研究成果近日发表于《地球物理研究快报》。

地震是人类社会面临的重要自然灾害之一。地震破裂过程多种多样，客观衡量它们的相似性和差异性，有助于认识地震物理过程和早期预测地震震级。然而，前人研究或是叠加多个地震的平均破裂过程，无法衡量全球地震差异范围，基于某些破裂特征的统计，无法做到整个破裂过程的系统比较。

李泽峰利用深度学习中的变分自编码器，对全球3000多个中大型地震的震源时间函数进行二维空间压缩和模型重构，全景式展示了全球地震矩释放模式和数量分布。

研究发现，中大地震以简单破裂为主，复杂破裂较少。研究还揭示了前人较少关注却非常重要的两类特殊地震——能量释放集中在破裂后期的逃逸模式地震、能量分多次释放的复杂模式地震的分布规律。

李泽峰解释说，“逃逸模式是指地震在开始阶段释放能量很少，后期才演化成大地震。这种地震在地震预警里是最具挑战性的类型，其破坏性容易被低估。绝大部分地震是单次释放，而复杂地震的地震能量分多次释放，这也是破坏性容易被低估的一类地震。”

此外，李泽峰发现大地震能量释放模式具有弱震级依赖性，即超大地震倾向于以释放较低能量的形式开始。这为地震早期预警中最终震级的可预测性提供了有益启示。

国际地球物理学家Jean-Paul Ampuero认为，“该研究是一项有意思、具有原创性、非常及时的工作，对理解地震机理和地震预警的潜在局限有重要意义。”

相关论文信息：

https://doi.org/10.1029/2021GL096464