俯沖帶按照斷層的活動(dòng)方式可劃分為以常規(guī)地震為主要活動(dòng)方式的孕震區(qū)和以慢滑移（slow slip）為主要活動(dòng)方式的區(qū)域。研究人員發(fā)現(xiàn)在俯沖帶淺層地殼地區(qū)發(fā)生破壞性大地震之前有時(shí)會(huì)發(fā)生慢滑移事件，因此對(duì)慢滑移事件的研究可能有助于預(yù)測(cè)俯沖帶未來可能發(fā)生的大地震（Araki et al., 2017; Wallace et al., 2016）。雖然研究人員能較清晰地刻畫常規(guī)地震的破裂過程，但是對(duì)于慢滑移及其伴生震顫（tremor）的物理性質(zhì)還知之甚少。Gao and Wang （2017）利用數(shù)值模擬探討了板塊邊界帶斷層流變特征與慢滑移之間的聯(lián)系，他們認(rèn)為可能是地幔楔角（斷層面與大陸莫霍面交界）附近高壓流體的存在導(dǎo)致了板塊交界處的震顫和慢滑移事件。
在卡斯凱迪亞（Cascadia）俯沖帶，慢滑移位于孕震區(qū)下方（圖1）。在該區(qū)域的慢滑移研究中存在著一個(gè)困擾研究人員的問題：根據(jù)地震學(xué)計(jì)算得到的慢滑移位移及累積震顫的能量比用GPS數(shù)據(jù)推算的能量相差幾個(gè)數(shù)量級(jí)，這表明在慢滑移過程中可能存在著未發(fā)現(xiàn)并釋放了大量能量的活動(dòng)。美國洛斯阿拉莫斯國家實(shí)驗(yàn)室Rouet-Leduc et al.（2019）近期在Nature Geoscience上發(fā)表了最新研究成果，他們利用機(jī)器學(xué)習(xí)方法發(fā)現(xiàn)在慢滑移事件周期中一直存在著類震顫（tremor-like）信號(hào)，這一信號(hào)可以解釋之前計(jì)算中大部分的能量差異。
該團(tuán)隊(duì)此前發(fā)現(xiàn)實(shí)驗(yàn)室條件下的斷層活動(dòng)會(huì)產(chǎn)生連續(xù)的弱信號(hào)（Rouet-Leduc et al., 2017），并在之后的研究中利用該信號(hào)的統(tǒng)計(jì)特征完成了實(shí)驗(yàn)室條件下斷層活動(dòng)的預(yù)測(cè)（Rouet-Leduc et al., 2018）。他們認(rèn)為實(shí)際記錄中的類震顫信號(hào)與實(shí)驗(yàn)室觀測(cè)到的弱信號(hào)產(chǎn)生機(jī)制可能相似，并利用隨機(jī)森林算法從地震臺(tái)站記錄的類震顫信號(hào)中估算出了卡斯凱迪亞俯沖帶區(qū)域的對(duì)應(yīng)的GPS臺(tái)站位移速率數(shù)據(jù)（圖2），實(shí)現(xiàn)了利用地震數(shù)據(jù)對(duì)該區(qū)域大斷層活動(dòng)的間接實(shí)時(shí)監(jiān)測(cè)。該研究表明類震顫信號(hào)數(shù)年來一直存在于該區(qū)域，可以精確指示慢滑移的位移速率，有助于研究慢滑移事件和實(shí)時(shí)監(jiān)測(cè)斷層的物理狀態(tài)，為研究慢滑移與大地震之間的作用關(guān)系提供新的視角。
圖1 研究區(qū)域示意圖。圖a為地震臺(tái)站連續(xù)波形記錄；圖b為GPS臺(tái)站觀測(cè)記錄，作者通過從地震信號(hào)中估算出GPS信號(hào)，建立了地震信號(hào)與斷層位移速率的聯(lián)系；圖c為研究區(qū)域概況三維圖示（Rouet-Leduc et al., 2019）
該研究使用隨機(jī)森林（random forest）算法，以弱信號(hào)一段時(shí)間內(nèi)的統(tǒng)計(jì)特征作為輸入，進(jìn)行對(duì)應(yīng)GPS信號(hào)的估算。隨機(jī)森林是一種經(jīng)典的機(jī)器學(xué)習(xí)算法，它由多個(gè)回歸樹組成，可以避免決策樹方法容易發(fā)生過擬合的問題。雖然與比深度學(xué)習(xí)等方法表現(xiàn)性能差，但其可解釋性強(qiáng)，有助于分析不同統(tǒng)計(jì)特征的重要性及其它們代表的物理意義。作者使用的地震數(shù)據(jù)統(tǒng)計(jì)特征包括（以天統(tǒng)計(jì)）：地震記錄的動(dòng)態(tài)范圍（最大值減最小值）、均方根（root mean square）、第二、三、四階非中心矩（n階非中心矩的密度方程為
）、第二、三、四階中心矩（n階中心矩的密度方程為
，其中μ為平均值）、1%與99%，5%與95%，10%與90%，25%與75%，40%與60%的分位距以及自定義的特征。自定義的特征是指前面十三個(gè)特征各自在每個(gè)二分之時(shí)窗內(nèi)的平滑值減去第一個(gè)二分之時(shí)窗的值。這些統(tǒng)計(jì)特征的選取參照了先前實(shí)驗(yàn)室斷層活動(dòng)的研究中使用的特征。
圖2 從地震信號(hào)估算GPS信號(hào)的圖示。圖a中紅色線為實(shí)際的（經(jīng)過平滑處理的）GPS數(shù)據(jù)，藍(lán)色線為隨機(jī)森林方法給出的回歸值，藍(lán)色陰影為預(yù)測(cè)給出的區(qū)間；圖b為對(duì)應(yīng)的NLLB臺(tái)站的連續(xù)波形記錄；圖c為預(yù)測(cè)值與實(shí)際值的分布，其皮爾森相關(guān)系數(shù)（Pearson correlation coefficient）為0.66，說明波形記錄中包含了大量的位移速率信息；圖d為隨機(jī)森林的示意圖（Rouet-Leduc et al., 2019）
該研究從地震波形連續(xù)記錄中發(fā)現(xiàn)了一直存在于慢滑移周期中的類震顫信號(hào)，并從該信號(hào)中估算出了俯沖帶區(qū)域斷層位移速率信息，實(shí)現(xiàn)了對(duì)慢滑移活動(dòng)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)，為斷層物理狀態(tài)的研究提供了新的方向。相比GPS臺(tái)網(wǎng)，地震臺(tái)站可以相對(duì)容易布設(shè)在水下來監(jiān)測(cè)俯沖帶區(qū)域的斷層活動(dòng)。通過對(duì)該類震顫信號(hào)做進(jìn)一步的分析和研究，有助于評(píng)估和預(yù)防卡斯凱迪亞俯沖帶區(qū)域的未來大地震災(zāi)害。此外，該團(tuán)隊(duì)發(fā)現(xiàn)俯沖帶區(qū)域慢滑移產(chǎn)生的類震顫信號(hào)與之前在實(shí)驗(yàn)室斷層觀測(cè)到的信號(hào)相近，表明實(shí)驗(yàn)室?guī)r石破裂實(shí)驗(yàn)中得出的結(jié)論可能適用于實(shí)際的地球內(nèi)部斷層活動(dòng)過程。因此，可以利用機(jī)器學(xué)習(xí)去分析巖石破裂的實(shí)驗(yàn)室大量觀測(cè)數(shù)據(jù)并提取可用的地震前兆信息，例如先前該團(tuán)隊(duì)利用機(jī)器學(xué)習(xí)方法來預(yù)測(cè)實(shí)驗(yàn)室條件下的地震發(fā)生（Rouet-Leduc et al., 2017），以及該團(tuán)隊(duì)在Nature Geoscience上同期發(fā)表的利用機(jī)器學(xué)習(xí)分析和提取實(shí)驗(yàn)室條件下常規(guī)地震和慢地震發(fā)生前的相似信號(hào)特征（Hulbert et al., 2019），為大地震的研究及預(yù)測(cè)提供了新思路和新方法。
主要參考文獻(xiàn)
Araki E, Saffer D M, Kopf A J, et al. Recurring and triggered slow-slip events near the trench at the Nankai Trough subduction megathrust[J]. Science, 2017, 356(6343): 1157-1160.（原文鏈接）
Gao X, Wang K. Rheological separation of the megathrust seismogenic zone and episodic tremor and slip[J]. Nature, 2017, 543(7645): 416. （原文鏈接）
Hulbert C, Rouet-Leduc B, Johnson P A, et al. Similarity of fast and slow earthquakes illuminated by machine learning[J]. Nature Geoscience, 2019, 12(1):69–74. （原文鏈接）
Rouet-Leduc B, Hulbert C, Johnson P A. Continuous chatter of the Cascadia subduction zone revealed by machine learning[J]. Nature Geoscience, 2019, 12(1):75–79. （原文鏈接）
Rouet-Leduc B, Hulbert C, Bolton D C, et al. Estimating fault friction from seismic signals in the laboratory[J]. Geophysical Research Letters, 2018, 45(3): 1321-1329. （原文鏈接）
Rouet-Leduc B, Hulbert C, Lubbers N, et al. Machine learning predicts laboratory earthquakes[J]. Geophysical Research Letters, 2017, 44(18): 9276-9282.（原文鏈接）
Wallace L M, Webb S C, Ito Y, et al. Slow slip near the trench at the Hikurangi subduction zone, New Zealand[J]. Science, 2016, 352(6286): 701-704.（原文鏈接）
（撰稿：肖卓偉，王建/地星室）