科学家利用人工智能建立灵敏的海啸预警系统

　　海啸是令人难以置信的破坏性海浪，可以摧毁沿海的基础设施并造成生命损失。对这种自然灾害的早期预警是困难的，因为海啸的风险高度依赖于引发海啸的水下地震的特征。在AIP出版的《流体物理学》中，来自加州大学洛杉矶分校（UCLA）和英国卡迪夫大学的研究人员开发了一个预警系统，该系统结合了最先进的声学技术和人工智能，可以立即对地震进行分类并确定潜在的海啸风险。 　　如果大量的水被移走，水下地震会引发海啸，因此确定地震的类型对于评估海啸风险至关重要。 　　"与水平滑移元素相比，具有强烈垂直滑移元素的构造事件更有可能提高或降低水柱，"共同作者Bernabe Gomez说。"因此，在评估的早期阶段了解滑移类型可以减少误报，并通过独立的交叉验证提高预警系统的可靠性。"

　　这项研究调查了过去与海啸事件相关的四种不同的地震情况。红色和黄色的矩形代表了由所提出的声学辐射反演模型检索出的预测地震尺寸、位置和方向。分析的地震是：a）2009年9月29日，8.1兆瓦，萨摩亚马塔瓦伊的西南方向；b）2010年12月21日，7.4兆瓦，日本波宁群岛地区；c）2012年3月14日，6.9兆瓦，日本钏路的东南方向；以及d）2013年10月25日，7.1兆瓦，日本本州东海岸。该模型为每种地震情况提供了两种潜在的断层方向，并对其进行了数值模拟和比较。资料来源：Bernabe Gomez和Usama Kadri 　　在这些情况下，时间是至关重要的，而依靠深海波浪浮标来测量水位往往会留下足够的疏散时间。相反，研究人员建议测量地震产生的声辐射，它携带着关于构造事件的信息，并且传播速度明显快于海啸波。水下麦克风，称为水听器，记录声波并实时监测构造活动。 　　"声辐射在水柱中的传播速度比海啸波快得多。它携带着关于源头的信息，其压力场可以在遥远的地方被记录下来，甚至在离源头数千公里之外。"共同作者Usama Kadri说："压力场的分析解决方案的推导是实时分析的一个关键因素。" 　　计算模型通过水听器对地震源进行三角定位，人工智能算法对其滑移类型和震级进行分类。然后，它计算出重要的属性，如有效长度和宽度、上升速度和持续时间，这决定了海啸的大小。 　　作者用现有的水听器数据测试了他们的模型，发现它几乎是即时的，成功地描述了地震参数，而且计算需求很低。他们正在改进这个模型，将更多的信息考虑进去，以提高海啸特征的准确性。 　　他们预测海啸风险的工作是一个更大的项目的一部分，以加强危险预警系统。海啸分类是一个软件的后端，可以提高海上平台和船舶的安全性。