预测地震有曙光？AI成功辨识断层异常，但“前兆不一致”仍是未解之谜
研究团队利用非监督式机器学习分析地震目录中的“地震家族”，发现部分大型地震在主震前，可能会出现隐藏在大量小震中的特定聚集、局部化与应力释放模式。这项刊登于《NatureCommunications》的研究指出，这些前兆并非每次都存在，但在部分案例中，确实可在主震前数周到数月观察到异常变化。
研究由德国GFZHelmholtzCenterforGeosciences的SadeghKarimpouli与PatriciaMartínez-Garzón等人，联合国际团队共同完成。团队没有先预设要找哪一种前兆，而是让演算法自行从资料中辨识结构，并将彼此在时间、空间与规模上相关的地震归为同一“家族”（families），再分析其聚集程度、局部化特征与地壳应力相关指标。
研究团队将方法套用到多个已知的大地震序列，包括土耳其2023年卡赫拉曼马拉什（Kahramanmaraş）地震、智利2014年伊基克（Iquique）地震，以及意大利2009年拉奎拉（L’Aquila）地震。结果显示，这些案例在主震前都出现相似的关键特征：地震活动更紧密地聚集、时空分布更集中，且地震应变释放增加，显示断层系统可能正朝不稳定状态演化。
2023年卡赫拉曼马拉什规模7.8地震（黄色星号）发生前的地震活动家族分类。地图视图显示各地震家族成员的空间分布，并以对应类别的颜色标示；背景地震以灰色表示。（Source：GFZHelmholtzCenterforGeosciences）
相较之下，研究也测试了日本2024年能登半岛（Noto）地震与意大利2016年阿马特里切（Amatrice）地震等案例，却未找到同样明确的准备讯号。研究人员指出，这反映出地震前兆并不具有一致性，有些断层可能在没有明显警讯的情况下直接破裂，这也是地震预报至今最棘手的难题之一。
团队表示，这种方法不代表能以决定论方式预测地震，但有助于辨识断层系统何时开始偏离平常状态，未来若能整合进即时监测，或可提升操作性地震预报的能力。