地震是一種自然現(xiàn)象，是地殼快速釋放能量的過程，但是對于我們來說，地震同樣是一種可怕的，并且并不算罕見的自然災害。地震的可怕不僅僅在于其巨大的破壞力與隨機性，更重要的是在現(xiàn)有的科技水平和理論知識下，至少在未來相當長一段時間內，地震是無法準確預測的。而這也就導致我們應對地震，除了提高建筑抗震等級、做好防御外，只能盡可能在地震造成破壞之前發(fā)現(xiàn)地震的產生，延長疏散群眾的時間。
既然現(xiàn)有技術不能實現(xiàn)地震預測，我們又如何在地震產生破壞前實施災害預防呢？答案其實就在地震監(jiān)測上。事實上，地震的發(fā)生與地震造成破壞之間是存在時間差的，這個時間差來自于地震波之間的差異。
地震波由橫波和縱波兩部分構成，而橫波與縱波的傳播速度以及破壞力并不同。一般來說，縱波傳播快破壞小，能夠在地震發(fā)生時，作為地震監(jiān)測的重要指標，來起到確定震源位置、震級大小的目的，而橫波破壞性大，幾乎所有地震中，出現(xiàn)災害性破壞的誘因都是地震橫波。換言之，從監(jiān)測到縱波到橫波造成破壞的這段時間，都是地震災害救援的黃金時間，同樣，如果我們能更快地發(fā)現(xiàn)縱波情況，并在盡可能短的時間內完成對縱波的分析，那么這段黃金時間就會因此而多幾秒。但比較遺憾的一點是，基于地震波的預警系統(tǒng)恰恰在反應速度這塊存在一定的缺陷。
不過在近日，一項新的研究似乎讓這種情況有所改變。來自法國蔚藍海岸大學、法國發(fā)展研究院、法國國家科學研究中心、蔚藍海岸天文臺的科學家們通過對日本1400個潛在地震位置模擬35萬個地震情景獲得的彈性重力信號(pegs)，構建了一個深度學習模型(pegsnet)。據悉，該模型能準確計算地震方位、地震規(guī)模以及地震隨時間的變化，讓地震被察覺的時間提前。
當然，現(xiàn)階段這個模型還存在許多需要提升的地方，例如pegs的準確性依舊有待驗證，以及目前的模型數據只針對日本，想要針對其他國家投入使用，還需要進一步的完善數據庫。但無論如何，這項技術的出現(xiàn)確實提供了一個通過機器學習模型對大型地震的演化進行準確實時估測的研究思路。隨著不斷推進或許真的可以改變目前地震災害預防存在的技術盲區(qū)。甚至可能成為地震預測難題的一個重要突破口。