面對46億歲的地球，人類利用儀器系統測定地震僅有一百多年的時間，而作為歷史悠久的國家，不間斷的文字記錄讓我們了解到更多的地震。通過戰國時期的《竹書紀年》，最早的地震可以追溯到發生在公元前1831年的泰山震，通過《明史》可以感受到華縣地震的超強破壞力。我國自漢代起設立災異專志，明代方志普及后地震記錄顯著增加。這些散亂分布在正史、稗史、詩、文集、碑文、地方志等8000余種文獻里的地震記錄是重要的研究資料。于是新中國成立初期，中國地震工作委員會就開始通過這些文獻，系統梳理歷史地震，形成了自公元前1831年至1955年的歷史地震記錄序列，編纂成《中國地震資料年表》和《中國地震目錄》，成為全世界歷史跨度最長、史料內容最豐富的地震資料。

那么，我國歷史上有多少Ms6.0級以上的大地震呢？

融合地震儀器記錄和中國歷史地震目錄，公元前1831年至2021年間，共記錄到Ms6.0級以上地震約1300次，且絕大部分為淺源地震。這些歷史上發生過大地震的地方還會再次發生大地震嗎？

事實上，歷史上發生過破壞性大地震的區域，一直在重復發生著一些小的地震事件，得益于現代地震監測能力的提升，這些非常多的小震數據得以完整保存。這些小震波形數據包含震源破裂過程、地下傳播介質和場地響應特征等復雜信息，是基于經驗格林函數法合成大地震震動的重要基礎。地震學家Irikura等指出，利用小震波形模擬大震強地面運動，是預測強震動最有效的方法之一。但該方法也有應用瓶頸：要推算歷史大地震在某處的破壞強度，必須先獲得該處的小震記錄。然而，我國仍有大量區域缺乏必要的小震數據，限制了該方法在全國范圍的推廣。

而當AI時代到來，AI技術是否可以解決這個應用瓶頸呢？

隨著AI的快速發展和地震數據的大規模積累，深度神經網絡在地震學中的應用日益廣泛，其強大的特征提取和模式識別能力為震相拾取、震級測定、信號去噪等任務提供了新手段。通過利用AI技術“理解”和模擬地震發生和傳播的物理規律，構建一個能夠融合物理機制的深度學習模型（圖1），再利用已有小震數據庫的海量真實小震波形對模型進行訓練。將訓練好的模型應用在缺失地震波形數據記錄的區域，可生成符合當地地質特征的小地震波形。為了確保生成的波形符合地震學基本規律和需求，需引入震相、震級定標律和衰減關系作為物理約束，再用經驗格林函數法檢驗其是否真實。這種“物理引導+數據驅動”的范式，能夠用AI方法補齊缺失的小震波形，可以解決觀測空白區的小震格林函數缺失問題。有了這種“生成式”小震數據，可以進一步推算和擬合歷史大地震，為歷史地震的定量反演提供全新途徑，也可為未來抗震設防、滑坡評估等防災減災問題提供關鍵數據支持。

圖1 人工智能技術與大數據、工程應用。A：人工智能技術已經應用在地震學的多個領域；B：小震格林函數庫中M2.0-4.9級地震的震中分布；C:高質量數據集及生成式小震波形重點關注的標記參數；D：服務建筑物抗震設計、地震誘發地質災害機理分析及區域防震減災等。

這項技術并非紙上談兵，利用豐富的現代小震記錄，中國地震局地球物理研究所科研團隊依托建成的全國小震格林函數庫，成功“復原”到了那些只存在于史書記載中的大地震。比如，學者們回溯了1850年西昌7.5級地震，以及造成重大傷亡的1970年通海7.8級地震和1976年平武7.2級地震。繼而，他們把目光投向了更遙遠的1556年陜西華縣地震——這場明朝時期的大災難。通過研究，他們不僅重現了這些歷史巨震在當今地震臺站位置上的震動情況，更重要的是，在那些關鍵的點位上，他們大致復現了它們當年的“破壞力特征”：比如哪里晃得最厲害，哪種頻率的震動對特定建筑威脅最大。這相當于讓現代的高精度儀器，去“穿越”并記錄了古代的地震，讓人們對歷史災難的認知從模糊的文字描述，變成了精確的科學數據，為該地地震設防等工作提供依據。AI生成式格林函數的助力，將使更多沒有地震臺站的地區也能應用本技術，從而更全面地還原歷史地震。目前，該團隊已經具備了還原這1300次左右歷史強烈地震所需的基本數據條件和技術手段。

圖2 利用小震波形“復現”大震波形的原理示意動圖

未來，這項技術有望服務于全國地震風險普查、重大工程場地安全性評價、歷史文化遺產抗震保護等領域，甚至可為其他缺乏歷史記錄的國家和地區提供借鑒，推動全球歷史地震研究的數字化與智能化進程。

防震減災融媒體工作室

指導：中國地震局公共服務司（法規司）

來源： 中國地震局地球物理研究所 李宗超 張貝 楊家英 王紅強