摘要
地震预测是世界性的科学难题，其困难之处，一方面是涉及地震前兆的地球物理观测基本属于远离震源地方的地表观测，所观测物理量除可能的地震孕育信息外，更多的是与环境、路径、干扰等有关的信息；另一方面是对地震孕震机理尚无清晰认识，即地震预测的理论问题远未解决。由此，也导致地震预测目前基本停留在基于观测资料的现象类比和统计分析层面。近几十年来，人工智能技术和应用飞速发展，如计算机视觉、图像识别、时间序列分析、异常检测、生物医学等应用行业的成功经验表明，在理论问题未解决之前，人工智能技术对识别未知特性、发现系统隐含规律、解决实际问题等作用巨大。由于近年来观测站网密度增加、地震和地球物理观测技术的进步，地震观测数据急剧增加，基于已有观测数据的人工智能技术也在地震预测领域开始得到更广泛的应用，通过对大量观测数据的学习，可以发现某些隐含的特征或规律，一方面有利于深化对地震机理的认识，更重要的是可以利用这些数据建立/训练模型，对未来数据进行拟合进而开展地震预测，这在机理和内在规律尚不清楚的情况下，可在一定程度上改善地震预测的准确性。本文从机器学习的实际应用角度，介绍其在地震预测的一般流程，并基于数据特征、模型算法和评价指标等，简要介绍机器学习在地震预测领域的最新研究进展，并对相关问题进行初步讨论。
NETL