在大地震中，即使提前几秒钟发出预警，也能帮助人们做好准备——因此斯坦福大学的研究人员转向深入学习，预测强震并发出早期警报。
DeepShake 是一种时空神经网络，它根据大约 3 万次地震的地震记录训练，实时分析地震信号。通过观测最早检测到的地震波，神经网络可以预测地面震动强度，并在整个地区发出警报。
斯坦福大学的地球物理学和计算机科学研究人员利用一个由 NVIDIA GPU 组成的大学集群，利用加利福尼亚南部 2019 年山脊地震序列的数据，开发了这个模型。
当用 Ridgecrest 7 . 1 级地震的地震数据进行测试时， DeepShake 在高强度地面震动到来前 7 到 13 秒向附近的地震台站提供模拟警报。
大多数早期预警系统都会提取多个信息源，首先确定地震的位置和震级，然后再计算特定区域的地面运动。
斯坦福大学的学生 Daniel Wu 说：“每一个步骤都会引入错误，从而降低地面震动的预测。” 介绍了该项目 在 2021 年美国地震学会年会上。
相反， DeepShake 地震台网的快速预警和预报系统完全依赖地震波形。无监督神经网络学习了地震波形数据的哪些特征最能预测未来地震的强度。
“我们已经注意到，通过建立其他用于地震学的神经网络，它们可以学习各种有趣的东西，因此它们不需要震中和震级就可以做出很好的预测，”吴说 DeepShake 在预先选定的地震台网上进行训练，使这些台站的本地特征成为训练数据的一部分。”
给定 15 秒的实测地面震动，该模型可以预测其网络中所有地震台站的未来震动强度，而无需事先知道台站位置。
该团队计划将神经网络扩展到更广泛的地理区域，并覆盖可能出现的故障案例，包括停机的站点和高网络延迟。该组织认为 DeepShake 是对加利福尼亚州 ShakeAlert 预警系统的补充，该系统由美国地质调查局负责运作。
