人工智慧AI偵測慢地震

109年11月11日

【本報導由地球科學系　陳卉瑄教授研究團隊提供】 　　在全世界的觀測儀器逐年增多增密的趨勢下，傳回雲端的連續資料，如何快速做偵測和分類運算，是即時地震學的一大挑戰。近十年，利用機器學習進行地震學相關的應用逐漸盛行，藉由標籤化資料，進行分類和回歸（監督式學習），抑或經由未標籤化的資料做分群和降維（非監督式學習），讓電腦學習並建立模型以大幅地減少人工介入處理的可能性，已蓬勃風展。除了地震，地震儀記錄著環境中不同來源的震動，這些背景噪訊的連續紀錄中，有多少訊號，對應著深部變形和近地表人為活動? 他們能不能被系統性地偵測與分類?  利用機器學習的分法，我們能不能成功分類訊號微弱、卻有構造意義的慢地震？   　　跟我們生活息息相關的環境震動，短至數秒的爆炸事件、飛機墜毀和重大車禍，長至長微震和土石流事件，對社會和經濟造成一定衝擊，尤其對微小震動高度敏感的半導體產業。埋藏的環境震動，包含天然地震與人造地震，其即時偵測、分類、定位與物理機制仍未有系統的收集和分類，主要原因在於地震儀的連續紀錄中，一般皆以天然地震為主要分析目標。 　　在背景噪音中，近年來發現了大量的非火山長微震(non-volcanic tremor)活動，這種慢速滑移活動介於一般地震(快地震)數十秒的快速破裂、和數年的緩慢蠕變(creeping)之間，其錯動位移有限、錯動歷時長，以至於僅有非常弱的地震波輻射，難以從地震波分辨，特徵為貌似雜訊、主頻在2至8 Hz間、無明顯P波、S波到時、能量持續時間長、數分鐘到數月不等、並能在相距數公里至數十公里不等的測站具近乎一致之到時。這樣類型的「雜訊」直至2002才被發現 (Obara, 2002)，又被稱作慢地震。 　　記錄著環境背景震動的連續資料中，有多少訊號，對應著深部變形和近地表人為活動? 他們能不能被系統性地偵測與分類?  　　自2017年開始，師大地科系研究團隊與台科大機械工程系的劉益宏老師合作，致力於利用機器學習演算法進行智能偵測和分類，期望能避免樣板比對時複雜度計算，並使用自動學習決策邊界(decision boundary)來進行偵測及分類(Liu et al., 2019)。能否利用單站資料，對(1) 偵測有難度(2) 和背景噪音振幅相仿(3) 往往需要多站共同判釋的「慢地震」訊號進行分類和偵測？ 　　我們將地震、長微震和背景噪訊三種類別波形標籤化，以進行後續資料訓練。三個測站和對應的波形如圖一所示，首先選用的分類器，是傳統而簡單的kNN（k近鄰分類法），此法計算任一比未知資料「與不同類別在特徵空間的歐式距離」，找最相近的k個鄰居投票表決，來決定這個未知資料應該分到哪一類別。在訓練階段，所有的演算法參數皆須最佳化，我們採用廣泛使用的交叉驗證法(Leave-One-Out Cross Validation, LOO-CV)來進行，此方法容易實現，並且可以自動化執行。每個測站、每個類別均為204筆事件（每個事件為60-s），經由LOO-CV得到的分類表現，發現在較遠離長微震震源區的YULB有最差的分類率為68%，而在較近的測站則介於86-94%間。 　　接著，我們選出時間域、頻率域、時頻域共27個特徵，利用Fisher’s class-separability criterion (Fang et al., 2015) 針對每一種初始特徵進行自動評估。每一種特徵，得到一個費雪分數(Fisher score) - 同組內和不同組間的分散量之比值，代表此特徵對於事件分類的優劣，若分數越高，代表此特徵讓不同類別間的鑑別更容易。因此，在訓練階段將所有初始特徵依照費雪分數從高至低排序，挑出前N%的最佳的特徵當作後端的偵測及分類輸入。此方法之好處在於：(1)演算法自動快速選擇，必免人為嘗試錯誤所造成過長的訓練時間；(2)所選出最佳特徵子集合可達到較高之事件偵測及分類率。利用選過的特徵重新進行分類，得到的分類率有顯著的提升，其中利用訓練資料進行交叉驗證法(LOO-CV)得到顯著提升的分類率為87-99%；而利用測試資料的分類率則為71-96%。結果發現三類別中，背景噪訊有顯著的時間變異，不同期間收集的訓練和測試資料，會有較差的分類表現。這說明未來在背景噪訊的細緻分群有其必要。 　　要分開三類別的資料，哪些特徵最重要？在本研究中(Liu et al., 2019)發現，這些有效特徵在各站的表現均一制，說明費雪分數可以成為單一特徵篩選的重要指標。我們亦發現，在過去從未被使用在偵測門檻上的離散傅立葉轉換(時頻域)之中位數的波峰數量，其能有效分離長微震和背景噪訊，成為了未來納入即時偵測的一項重要特徵。 圖一、(a-c)三種類別資料的波形示意圖 (d) 使用的地震(灰色圓圈)和長微震(黃色圓圈)及三個測站之分佈圖。在此三種不同顏色的測站對應三種地震網。    參考文獻： Fang, L., Zhao, H., Wang, P., Yu, M., Yan, J., Cheng, W., and Chen, P. (2015). Feature selection method based on mutual information and class separability for dimension reduction in multidimensional time series for clinical data, Biomedical Signal Processing and Control, 21, 82-89. Liu, Y. H., Yen, T. C., *Chen, K. H., Chen, Y., Yen, Y. Y., Yen, H. Y. (2019), Investigation of single-station classification for short tectonic tremor in Taiwan, J. Geophys. Res., 124, 8803–8822. https://doi.org/10.1029/2019JB017866 .  Obara, K. (2002). Nonvolcanic deep tremor associated with subduction in southwest Japan, Science, 296(5573), 1679-81. 原文出處：https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2019JB017866

慢地震解密：中央山脈的呢喃

109年06月02日

【本報導由地球科學系　陳卉瑄教授研究團隊提供】 　　沒有地震發生的地殼深處，有一種長得像雜訊(noise-like)的震動源，它們不動聲色地釋放能量，可對應到高達規模7的地震。這默默釋放的能量，提供了應力的傳遞，「牽一髮而動全身」，可能影響著鄰近地震的發生，在區域地震潛能估計裡，是不可忽略的一環。這種特殊的震動源，叫做「慢地震(slow earthquake) 」。而慢地震發生在哪裡？特徵為何？為什麼會發生？以下讓我們一探究竟。   　　一般地震，花數十秒至數百秒釋放能量，對應著斷層面上數公分至數十公尺的錯動；而慢地震，則需要花數小時甚至數週的時間釋放能量，它的錯動位移有限、破裂時間長，以至於僅有非常弱的地震波輻射，難以和背景噪訊分離。一般地震，發生在脆性變形的區域（施予力，材料不立即變形，卻累積能量直到破裂發生），大約是比30 km更淺的深度; 而慢地震，則發生在「沒有地震」發生的區域，更深，介於脆性和塑性變形的區域（施予力，材料立刻產生變形，像黏土一樣不能累積能量），大約可到達50 km深。慢地震不動聲色地釋放能量，可對應到高達規模7的地震，是評估區域地震潛能中，不可忽略的一環。   圖一、台灣的慢地震分佈，集中於中央山脈南段。三種不同顏色圓圈，分別代表本研究團隊利用不同方法建置的慢地震目錄。對應的構造可能為中央山脈與西側屏東平原的構造分界線TuF(土壟灣斷層)。紅色三角形為使用的地震測站，藍色三角形為圖三所使用的潮位站，綠色三角形則為地下水及氣壓站。   　　台灣的慢地震座落在中央山脈南段的下方（圖一），發生在地震的空區（圖二右），說明了無震區，一點也不平靜。和世界上其他區域大多為數小時的能量持續時間相比，台灣的慢地震更短、更微弱，2007至2012年的資料顯示，持續時間最長僅約半小時(如圖二左所示)，在偵測上相對困難。為了克服偵測的挑戰，2013年陳卉瑄教授獲得科技部吳大猷先生紀念獎後，提出五年的科技部計畫，她與研究團隊的工作目標就是於慢地震震源上方──山勢險峻的中央山脈──擺設六個地震站，利用訊噪比更高的資料，深入探索這種獨特的慢地震活動在哪裡、什麼時候發生？為什麼會發生？以及和區域大地震有沒有互動關係？   圖二、長微震(tremor)為慢地震在地震波的一種表現，左圖為濾波2-8 Hz的波形。右圖為圖一的A、B兩個深度剖面。背景地震（灰色圓圈）和tremor（彩色圓圈）的空間關係，說明tremor 發生在無震區。     　　過去研究指出，慢地震的發生並非偶然，它只挑特定的物理環境生存。最常見的，就是隱沒帶的高溫、富含水、和高孔隙壓的環境，在這裡達到岩石破裂的應力門檻很低，是醞釀慢地震的絕佳環境。然而在台灣，慢地震發生在最高峰──玉山──的南方（圖一），下方正是歐亞板塊停止隱沒、開始和呂宋島弧碰撞的過渡帶，在這個地震不會發生、也沒有成熟斷層面發育的地方，慢地震的存在，成為理解地殼更深處變形行為的絕佳利器。陳教授的研究團隊長期建置了慢地震目錄(2007-2016)，發現台灣的慢地震與鄰近的群震有顯著時空相關性，即慢地震越活躍，淺部的群震也越活躍。除此之外，2010年發生了規模6.4的甲仙地震，在短短5天內也加速了慢地震的活動性，指出快-慢地震的互動不可被忽略，需要長期的分析和監測。 　　慢地震的發生受潮汐作用的影響，這一點在全世界不同的隱沒帶都紛紛證實。然而在台灣，遠離海岸的山脈下方，這些慢地震是否真能受潮汐「調配」？利用統計手段percent excess number (PE)，我們驚訝地發現，與東西海岸的八個驗潮站之潮位比較後，70%的長微震竟然都發生在較高水位期間(高於中位數)！進一步利用理論潮汐應力計算，我們更發現潮汐帶來的剪應力最高為4 kPa，剪應力越大，超過隨機值越多，在最高剪應力時PE值可達到150%，這個數值遠高於加州慢地震所得出的30%，為什麼會有這麼高的相關性？ 　　其實，台灣的慢地震有明顯的年週期性：慢地震活躍時，對應著氣壓較低、潮位上升、較低的降雨和地下水位（圖三）。利用簡單的應力模型，我們發現移除地表以下2m的水體，在慢地震震源區亦可帶來高達4 kPa的靜態剪應力，這說明「地下水位變化」帶來的應力擾動，可能和「潮位變化」帶來的一樣重要，時間上同步的兩者，其綜合效應可能更有效地加速了慢地震的活動性。 　　台灣的慢地震，在中央山脈南段下方高度集中，沿著山脈走向，在這裏有更高的Vp/Vs值，其他地物資料亦表現出高地熱梯度、低電阻等特性，說明隱沒過程中變質脫水產生的流體在此區富集，而「向北漸進」經歷更多碰撞作用時，應力在深部局部集中，造成孔隙壓劇烈變化而產生長微震訊號，就好比地底傳來的呢喃一般，低聲地傳達著它生命的力量。   圖三、慢地震活動性與環境資料比較圖。(a)慢地震的持續時間 (b) 八個潮位站的平均潮位變化 (c) 大氣壓力 (d) 地下水位（紅線）和降雨（綠線）。