在大地震中，即使提前幾秒鐘發出預警，也能幫助人們做好準備——因此斯坦福大學的研究人員轉向深入學習，預測強震并發出早期警報。
DeepShake 是一種時空神經網絡，它根據大約 3 萬次地震的地震記錄訓練，實時分析地震信號。通過觀測最早檢測到的地震波，神經網絡可以預測地面震動強度，并在整個地區發出警報。
斯坦福大學的地球物理學和計算機科學研究人員利用一個由 NVIDIA GPU 組成的大學集群，利用加利福尼亞南部 2019 年山脊地震序列的數據，開發了這個模型。
當用 Ridgecrest 7 . 1 級地震的地震數據進行測試時， DeepShake 在高強度地面震動到來前 7 到 13 秒向附近的地震臺站提供模擬警報。
大多數早期預警系統都會提取多個信息源，首先確定地震的位置和震級，然后再計算特定區域的地面運動。
斯坦福大學的學生 Daniel Wu 說：“每一個步驟都會引入錯誤，從而降低地面震動的預測。” 介紹了該項目 在 2021 年美國地震學會年會上。
相反， DeepShake 地震臺網的快速預警和預報系統完全依賴地震波形。無監督神經網絡學習了地震波形數據的哪些特征最能預測未來地震的強度。
“我們已經注意到，通過建立其他用于地震學的神經網絡，它們可以學習各種有趣的東西，因此它們不需要震中和震級就可以做出很好的預測，”吳說 DeepShake 在預先選定的地震臺網上進行訓練，使這些臺站的本地特征成為訓練數據的一部分。”
給定 15 秒的實測地面震動，該模型可以預測其網絡中所有地震臺站的未來震動強度，而無需事先知道臺站位置。
該團隊計劃將神經網絡擴展到更廣泛的地理區域，并覆蓋可能出現的故障案例，包括停機的站點和高網絡延遲。該組織認為 DeepShake 是對加利福尼亞州 ShakeAlert 預警系統的補充，該系統由美國地質調查局負責運作。
