面对46亿岁的地球，人类利用仪器系统测定地震仅有一百多年的时间，而作为历史悠久的国家，不间断的文字记录让我们了解到更多的地震。通过战国时期的《竹书纪年》，最早的地震可以追溯到发生在公元前1831年的泰山震，通过《明史》可以感受到华县地震的超强破坏力。我国自汉代起设立灾异专志，明代方志普及后地震记录显著增加。这些散乱分布在正史、稗史、诗、文集、碑文、地方志等8000余种文献里的地震记录是重要的研究资料。于是新中国成立初期，中国地震工作委员会就开始通过这些文献，系统梳理历史地震，形成了自公元前1831年至1955年的历史地震记录序列，编纂成《中国地震资料年表》和《中国地震目录》，成为全世界历史跨度最长、史料内容最丰富的地震资料。

那么，我国历史上有多少Ms6.0级以上的大地震呢？

融合地震仪器记录和中国历史地震目录，公元前1831年至2021年间，共记录到Ms6.0级以上地震约1300次，且绝大部分为浅源地震。这些历史上发生过大地震的地方还会再次发生大地震吗？

事实上，历史上发生过破坏性大地震的区域，一直在重复发生着一些小的地震事件，得益于现代地震监测能力的提升，这些非常多的小震数据得以完整保存。这些小震波形数据包含震源破裂过程、地下传播介质和场地响应特征等复杂信息，是基于经验格林函数法合成大地震震动的重要基础。地震学家Irikura等指出，利用小震波形模拟大震强地面运动，是预测强震动最有效的方法之一。但该方法也有应用瓶颈：要推算历史大地震在某处的破坏强度，必须先获得该处的小震记录。然而，我国仍有大量区域缺乏必要的小震数据，限制了该方法在全国范围的推广。

而当AI时代到来，AI技术是否可以解决这个应用瓶颈呢？

随着AI的快速发展和地震数据的大规模积累，深度神经网络在地震学中的应用日益广泛，其强大的特征提取和模式识别能力为震相拾取、震级测定、信号去噪等任务提供了新手段。通过利用AI技术“理解”和模拟地震发生和传播的物理规律，构建一个能够融合物理机制的深度学习模型（图1），再利用已有小震数据库的海量真实小震波形对模型进行训练。将训练好的模型应用在缺失地震波形数据记录的区域，可生成符合当地地质特征的小地震波形。为了确保生成的波形符合地震学基本规律和需求，需引入震相、震级定标律和衰减关系作为物理约束，再用经验格林函数法检验其是否真实。这种“物理引导+数据驱动”的范式，能够用AI方法补齐缺失的小震波形，可以解决观测空白区的小震格林函数缺失问题。有了这种“生成式”小震数据，可以进一步推算和拟合历史大地震，为历史地震的定量反演提供全新途径，也可为未来抗震设防、滑坡评估等防灾减灾问题提供关键数据支持。

图1人工智能技术与大数据、工程应用。A：人工智能技术已经应用在地震学的多个领域；B：小震格林函数库中M2.0-4.9级地震的震中分布；C:高质量数据集及生成式小震波形重点关注的标记参数；D：服务建筑物抗震设计、地震诱发地质灾害机理分析及区域防震减灾等。

这项技术并非纸上谈兵，利用丰富的现代小震记录，中国地震局地球物理研究所科研团队依托建成的全国小震格林函数库，成功“复原”到了那些只存在于史书记载中的大地震。比如，学者们回溯了1850年西昌7.5级地震，以及造成重大伤亡的1970年通海7.8级地震和1976年平武7.2级地震。继而，他们把目光投向了更遥远的1556年陕西华县地震——这场明朝时期的大灾难。通过研究，他们不仅重现了这些历史巨震在当今地震台站位置上的震动情况，更重要的是，在那些关键的点位上，他们大致复现了它们当年的“破坏力特征”：比如哪里晃得最厉害，哪种频率的震动对特定建筑威胁最大。这相当于让现代的高精度仪器，去“穿越”并记录了古代的地震，让人们对历史灾难的认知从模糊的文字描述，变成了精确的科学数据，为该地地震设防等工作提供依据。AI生成式格林函数的助力，将使更多没有地震台站的地区也能应用本技术，从而更全面地还原历史地震。目前，该团队已经具备了还原这1300次左右历史强烈地震所需的基本数据条件和技术手段。

图2 利用小震波形“复现”大震波形的原理示意动图

未来，这项技术有望服务于全国地震风险普查、重大工程场地安全性评价、历史文化遗产抗震保护等领域，甚至可为其他缺乏历史记录的国家和地区提供借鉴，推动全球历史地震研究的数字化与智能化进程。

来源：中国地震局