中新社成都5月10日電(記者 賀劭清)記者10日從成都理工大學獲悉，該校范宣梅教授團隊基于過去50年來38次強震誘發(fā)的近40萬處滑坡，建立了目前全球最大的地震誘發(fā)滑坡數據庫，結合深度學習算法研發(fā)了全球首個地震誘發(fā)滑坡近實時智能預測模型。

　　該模型能夠實現(xiàn)一分鐘內預測全球任何地震誘發(fā)滑坡的空間概率，平均精度達82%。這一科研成果以《深度學習實現(xiàn)全球地震誘發(fā)滑坡預測》為題，于近日在國際頂級期刊《國家科學評論》發(fā)表。

　　過去的20年，全球強震頻發(fā)，平均每月都會發(fā)生一次7.0級以上強震，累計奪去了約75萬人的生命。強震誘發(fā)次生地質災害是否具有普適性的發(fā)育分布規(guī)律和控制因素？是否可以建立一個適用于全球不同地質環(huán)境條件的強震誘發(fā)地質災害預測模型？

　　面對這一地質災害領域的國際前沿科學問題，中國科研人員從1970年以來全球范圍內6.0級以上地震中篩選出38次典型事件，結合遙感智能識別與人工核驗，解譯了近40萬處滑坡樣本，建立了目前全球最大的地震誘發(fā)滑坡數據庫，并將地震事件劃分為環(huán)太平洋和阿爾卑斯—喜馬拉雅兩大地震帶及寒帶、溫帶與赤道帶三大氣候區(qū)，以提升不同區(qū)域地質環(huán)境條件下模型的泛化能力。

　　中國科研人員基于對強震誘發(fā)滑坡機理的認識，對17項影響因子進行了分析，發(fā)現(xiàn)地面峰值加速度、坡度與巖性是全球范圍內地震誘發(fā)滑坡的主控因素。不同地震帶—氣候區(qū)的滑坡控制因子呈現(xiàn)顯著空間分異性，反映了地質背景與氣候外營力協(xié)同作用對滑坡動力過程的差異化影響。因此，模型采用“全球—區(qū)域雙軌制”部署策略，充分優(yōu)化網絡參數的同時有效避免過擬合風險。

　　與傳統(tǒng)機理和統(tǒng)計模型相比，此次推出的地震誘發(fā)滑坡近實時智能預測模型平均預測準確率達82%，比國際現(xiàn)有模型準確率提高了約20%，計算時間由原來的數天，縮短到小于1分鐘，實現(xiàn)了地震誘發(fā)地質災害的近實時預測。

　　中國科研人員計劃未來將降雨預報和余震分析等更多觸發(fā)條件納入預測模型，同時結合人口、房屋、基礎設施等數據，實現(xiàn)多因素驅動的地質災害風險預測大模型，為全球防災減災提供中國方案。(完)