在未来大地震的减灾规划中，地震动预测是预警系统和地震灾害测绘的重要组成部分。地面移动的方式取决于土壤层如何放大地震波(描述为数学站点“放大因子”)。然而，了解土壤条件的地球物理勘探成本高昂，迄今为止限制了场地放大因子的表征。

广岛大学研究人员于 4 月 5 日在地震学会公报上发表的一项新研究介绍了一种新的基于人工智能 (AI) 的技术，用于从环境振动或地面微震的数据中估计场地放大系数。

决定地震如何影响场地的地下土壤条件差异很大。例如，较软的土壤往往会放大地震引起的地面运动，而坚硬的基质可能会抑制它。由人为或大气干扰引起的地表环境振动或整个地球表面发生的微震可用于调查土壤状况。测量微震可提供有关场地放大因子 (AF) 的宝贵信息，以及由于其对震颤的反应而易受地震破坏的脆弱性。

广岛大学研究人员最近的研究介绍了一种从微震数据估计场地效应的新方法。“所提出的方法将有助于对未来地震进行更准确和更详细的地震地面运动预测，”高级科学与工程研究生院的主要作者兼副教授 Hiroyuki Miura 说。该研究使用深度神经网络调查了微震数据与站点放大因子之间的关系，目的是开发一个可应用于全球任何站点的模型。

研究人员研究了一种称为水平垂直频谱比 (MHVR) 的常用方法，该方法通常用于估计地震地面的共振频率。它可以从微震数据中生成;在三个维度上分析环境地震振动，以计算出基岩顶部沉积层在振动时的共振频率。然而，先前的研究表明，MHVR 不能可靠地直接用作站点放大因子。因此，本研究提出了一种深度神经网络模型，用于从 MHVR 数据中估计位点放大因子。

该研究使用了来自西部中国区 105 个地点的 2012-2020 年微震数据。这些站点是国家地震仪网络的一部分，该网络包含大约 1,700 个观测站，分布在各地 20 公里间隔的统一网格中。研究人员使用一种广义的光谱反演技术，分离出源、传播和站点的参数，分析了特定站点的放大。

来自每个站点的数据分为训练集、验证集和测试集。训练集用于教授深度神经网络。验证集用于网络对模型的迭代优化，以描述微震 MHVR 与站点放大因子之间的关系。测试数据是一个完全未知的集合，用于评估模型的性能。

该模型在测试数据上表现良好，证明了其作为从微震数据中表征位点放大因子的预测工具的潜力。然而，Miura 指出，“本研究中分析的训练样本数量(80 个)仍然有限，”在假设神经网络模型适用于全国或全球之前，应该扩大。研究人员希望用更大的数据集进一步优化模型。

由于这种关系并不总是线性的，因此需要快速且具有成本效益的技术来进行更准确的地震动预测。Miura 解释说：“通过应用所提出的方法，可以根据在任意站点观察到的微震数据自动准确地估计站点放大因子。” 展望未来，研究作者的目标是继续改进先进的人工智能技术，以评估地面对地震的非线性响应。

该论文的作者是大潘、Hiroyuki Miura、Tatsuo Kanno、Michiko Shigefuji 和 Tetsuo Abiru。