6 月 17 日 22 时 55 分，在四川宜宾市长宁县发生 6.0 级地震，多地实现提前预警，截至目前地震已造成 12 人死亡，134 人受伤，武警、消防、民兵、矿山救护队等 2895 人仍在现场救援。
值得注意的是，这次地震发生之后，包括成都主城区在内的不少地方都提前发出了地震预警，并通过电视、大喇叭等多种手段提醒民众及时避险。
成都提前 61 秒左右收到预警，共有 110 个社区实现“大喇叭” 倒计时，为大家及时疏散提供了宝贵的机会，事后预警系统的倒计时视频在网上刷屏。
有的网友在看电视剧，有的网友在看球，突然地震预警就来了。
另外，据了解，就在地震发生之前，大陆地震预警网还成功的预警了本次地震，这其中就包括提前 10 秒向宜宾预警。
网友表示：听到预警声音感动得想哭，这个地震预警网真的很厉害!希望能普及!
地震为啥可以被预警?它的原理是什么呢?
地震发生最初时，产生两种波，一种是速度快但破坏力有限的纵波，速度约每秒 6 公里;一种是跑得较慢但破坏性更大的横波，传播速度约为每秒 3.5 公里。
地震预警系统就是利用了纵波比横波传播速度快、电磁波又远比地震波快的原理。
地震一旦发生，深入地下的探测仪器就可以检测到纵波，然后传给计算机，计算机即刻能计算出震级、烈度、震源等大致信息，迅速向破坏性地震波尚未波及的区域发出地震避险警报。
预警体系的有效运转，依托于一个强大的地震监测网络。
通常来说，越是接近震中，能提供预警的时间就越短;离震中越远，提供的预警时间越长，但意义也随之削弱。
地震预警信息的背后是一个怎样的系统呢?
那么，这个地震预警系统到底是什么神器呢?从成都高新减灾研究所处获悉，此次成功预警地震的，为该所与应急管理部门(包括原市县地震部门)联合建设的大陆地震预警网。
成都高新减灾研究所所长王暾博士
据成都高新减灾研究所所长王暾博士介绍：我们所做的工作是地震预警，而并非地震预报，临震预报仍然是世界难题。地震预警只能减少人员损伤，而不能做到避免。
为了实现地震预警，需要在可能发生地震的区域安装地震预警的传感器。这种传感器并不昂贵，也不需要在野外安装，可以通过实时的网络(甚至是 2G 网络)来传递地震波的数据，地震预警的传感器甚至可以固定在墙上。
通过这些传回来的数据，我们可以判断地震发生的位置以及大概的震级。网络和计算机的处理速度非常快，只需要几秒钟的时间。
据了解，地震预警系统是一个全自动的物联网，可实现全自动的秒级响应。
主要是利用电波比地震波传播速度快的原理，在地震造成破坏前几秒到几十秒，发出地震预警警报，提醒民众及时避险，让重要工程紧急处置以减少经济损失和次生灾害。
而电视地震预警则是利用电视网络在电视周边，发生强震的时候，电视就能够自动地弹出几秒到几十秒的警报，以便在强震到来之前，老百姓在看电视的时候，就能够提前避险。
目前技术已经允许的情况下，只要机顶盒就能收到震预警的喇叭，在电视关着的时候，也能够自动发出警报。
据王暾所长介绍，自汶川余震区发展的我国地震预警成果，已经处于全球领先水平。
成都高新减灾研究所与地震部门合作建设的大陆地震预警网覆盖面积达 220 万平方公里，覆盖我国地震区人口 90%，已成功预警芦山 7 级地震、鲁甸 6.5 级地震、九寨沟 7 级地震等 52 次破坏性地震。
不过王暾表示，虽然目前我国地震的预警系统从技术上已经处于全球领先的水平，但是应用规模还远远不够，需要加快打通地震预警的“***一公里”。
***一公里就是希望把这样的预警信息，通过广播、手机和包括移动、电信、联通的电视、以及全国的电视网络和手机网络都传递到老百姓那去。
有了预警信息要传递到老百姓那里，才能更好地取得减灾的效果。我们需要共同努力，特别是电视和手机需要加快。
如何读懂地震警报声?
地震预报的警报声主要包含几个因素：
- 预估强度，也就是预计危害大小，这个通常用不同的滴滴声来表示，“滴滴”表示震感强烈，可能有危害;“滴”表示有震感，但基本无危害。
- 预警时间，也就是会提前告知地震波还有多长时间到达，一般是用倒计时表示。
举个例子，假如我们听到的警报声是“叮咚-20-滴滴-18-滴滴-16……呜”，这段警报中，“叮咚”表示地震预警启动，还有 20s 到达，震感强烈，可能有危害;“呜……”的声音的到来则表明破坏性地震波到达。
假如我们听到的警报声是“叮咚-20-滴-18-滴-16-滴滴-14-滴滴……”那就说明在第 16 秒的时候，预估强度的声音由“滴”变成“滴滴”，预警强度则由“基本无危害”变为“可能有危害”。
现在再来听一下此次地震警报发出的声音：
为什么预测下一场大地震如此困难?
让我们先从一个简单的问题开始：下一次大地震将在哪里发生?
研究表明，较大的断层通常会引起较大的地震。理论上，如果所有的断层都被绘制出来了，那么我们应该能够对一个特定地区可能经历的***烈的地震加以限制。
这一点很重要，因为地震释放的能量变化可能是万亿次方的(quadrillions)。
然而，估计断层大小和释放的相应能量并不总是那么简单。断层常表现出复杂的几何形态，使得对断层区域的建模变得复杂。
此外，断层可能同时破裂：在新西兰 2016 年的 Kaikōura 地震期间，13 个不同的断层同时破裂。
此外，最近的历史证明，地震大小并不总是与损害相关;根据发生的地点，中等震级的地震可能比“大”地震更具破坏性。
例如，1994 年加利福尼亚州北岭 6.7 级地震造成重大财产损失和生命损失，而 2018 年斐济 8.2 级地震强度为 178 倍，并未造成任何损失。因此，地震的震级并不能说明整个情况。
1900 年-2013 年地震 7.0 级及以上的地图
现在来回答更加复杂的问题：下一次大地震何时发生?预测时间是地震预测中最难的挑战。事实上，有两种理论可以告诉我们(***的)预测是有缺陷的。
***种理论称为弹性回跳理论，它指出地壳在强烈的压力下会弯曲变形，直到最终在应变下断裂。
沿着断裂的滑移(即地震)使两侧的岩石回弹到变形较小的状态，并释放储存的能量，从而使累积应变的过程重新开始。
第二种理论被称为特征地震，它描述了研究最多的地震产生的断层似乎有不同的区段。
在两次地震之间的间隔期内，这些板块反复破裂，积累了相同数量的应变，从而产生了相似震级的地震。
假设这两个理论一直存在，你可以根据 1)***未受力应变的位置，2)自上次地震发生以来的时间，以及 3)对断层带的精确了解(在许多地区我们可能永远无法实现)来预测下一次地震何时发生。
我们能做什么?今天，预测方法主要集中在概率地震预测，即在一定时间范围内对特定区域内的一般地震灾害进行统计评估。
概率预测涉及地震可能发生的概率，而早期的确定性预测技术涉及确定地震何时发生。
概率预测可以向可能更容易发生地震风险的地区提供警告，使他们能够在潜在的未来发生地震之前，通过改进的基础设施设计和应急措施来加强抗震能力。
第二个有希望的发展是地震预警系统。在发现地震后，它会为可能受影响的邻近地区提供几秒到几分钟的实时警告。
该系统利用了地震波的不同速度，这些地震波构成了地震辐射的能量。简而言之，如果系统在更危险、速度较慢的表面波到达之前检测到最快波(称为 P 波)的***次到达，则可以触发警报(见下图)。
使用高速自动化，甚至几秒钟的警告就足以停止机器，例如火车和电梯，并提醒人们注意安全。
地震预警系统运行中：当地震开始时，检测到快速移动的 P 波，可以在较慢移动的表面波到达之前传播紧急信息。
然而，由于不必要的紧急措施启动，以及对商业和日常生活的潜在破坏，对于从未发生的地震的错误警告是昂贵的，就像“狼来了”的故事，它可能会破坏未来预警的可信度和有效性。
为了避免这些问题，可以用人工智能(AI)技术来检测人类无法看到的地震预测数据中的模式和信号。接下来介绍两个利用 AI 预测地震的***研究成果：
①谷歌和哈佛团队利用深度学习来预测地震余震
谷歌和哈佛大学在 Nature 杂志发表的一篇论文中，研究人员展示了如何用深度学习预测余震位置，而且预测结果比现有模型更可靠。
他们训练了一个神经网络，在一个包含 131000 多个“主震-余震”事件的数据库中寻找模式，然后在一个包含 30000 对类似事件的数据库中测试其预测。
“主震-余震”事件的一个样本
深度学习网络比最有用的现有模型(称为“库仑破裂应力变化”)更可靠。在从 0 到 1 的精度范围内——1 是完全准确的模型，0.5 是一半准确的模型——现有库仑模型得分为 0.583，而新的 AI 系统达到 0.849。
“关于地震，你需要知道三件事情”，研究人员说：“它们什么时候发生、它们会有多强烈、它们会发生在哪里。
在这项工作之前，我们有经验定律来解释它们发生的时间和规模，现在我们正在研究它们可能发生在哪。”
人工智能在这一领域的成功归功于该技术的核心优势之一：它能够发现复杂数据集中以前被忽视的模式。
这在地震学中尤为重要，因为在地震学中看到数据中的关联性非常困难。
地震事件涉及太多变量，从不同区域的地面构成到地震板块之间的相互作用类型，以及能量在地震波中穿过地球传播的方式。理解这一切是非常困难的。
研究人员表示，他们的深度学习模型能够通过考量一个被称为“米塞斯屈服准则”(von Mises yield criterion)的因素来做出预测，这是一种用于预测材料何时开始在压力下破裂的复杂计算。
研究人员表示，这个因素常用于冶金等领域，“但在地震科学中从未流行过。”现在，随着这一新模型的发现，地质学家可以研究其关联性。
尽管这项研究取得了成功，但它还远未准备好在现实世界中应用。首先，AI 模型只关注由地面***性变化引起的余震，称为静态应力。
但后续地震也可能是由于后来发生的地面隆隆声造成的，称为动态压力。现有模型也太慢而无法实时工作。
这很重要，因为大多数余震发生在地震发生后的***天，然后每过一天频率大致减半。
②机器学习检测信号预测地震时间
此外，机器学习也被用于预测地震时间。发表在 Nature Geoscience 的两篇相关论文中称，利用机器学习的地震信号的检测准确地预测了卡斯卡迪亚(Cascadia)断层的缓慢滑动，这是在其他俯冲带发生大地震之前观察到的一种信号。(注：Cascadia 断层是美加西海岸、太平洋东海岸的一条海沟断层。)
Los Alamos 国家实验室的研究人员应用机器学习来分析 Cascadia 数据并发现巨大的推力会发出持续的震动，这是断层位移的迹象。
更重要的是，他们发现断层声音信号的响度与其物理变化之间存在直接的平行关系。
Cascadia 断层出现的声音，以前被视为毫无意义的噪音，预示着它的脆弱性，这可以帮助我们更准确地预测大地震。
机器学习通过学习自调整算法来创建选择和重新测试一系列问题和答案的决策树，来处理大量地震数据集，以找到不同的模式。
去年，研究小组在实验室模拟了一次地震，用钢块与岩石和活塞相互作用，并记录了他们通过机器学习分析的声音。
他们发现，许多地震信号，以前被认为是无意义的噪声，精确地指出了模拟断层何时会滑动，这是地震预测的一个重要进展。更快、更强的地震有更大的信号。
研究人员在实验室里模拟地震
研究小组决定将他们的新范式应用于现实世界：Cascadia 断层。最近的研究表明，Cascadia 断层很活跃，但被注意到的活动似乎是随机的。
该小组分析了该地区地震台站 12 年来的真实数据，发现了类似的信号和结果：Cascadia 持续的震颤量化了俯冲带缓慢滑动部分的位移。
在实验室中，作者发现了一个类似的信号，可以准确地预测大范围的故障。在 Cascadia 中仔细监控可以提供有关锁定区域的新信息，以提供预警系统。
那么，下一场大地震何时会发生?或许我们永远都不会知道，但我们相信，随着计算能力的增加和算法的优化，机器学习将在地震预测方面具有巨大的潜力。
