地震预测方法现状综述

1.地震预测方法

1.1古登堡—里克特复发关系式

古登堡—里克特复发关系式（Gutenberg Richter recurrence relationship）是指一定区域足够长的时段内，不同震级大小的地震数遵循的观测关系式，如下式：M=a-bN，这里M表示震级，N是单位时间单位面积上地震数，a和b是关系常量，分别表示地震活动性的总体水平和小地震与大地震的比率。

1.2地震长期预测--地震空区模式

地震是地下岩石中的“应变缓慢积累-快速释放”的过程。在指定的一段断层上, 将会准周期性地发生具有特征大小与平均复发时间的地震。 这种地震称作“特征地震”特征地震的大小(震级)既可以由在该段断层上已发生过的特征地震的震级予以估计, 也可以根据该段断层的长度或面积予以估计。 特征地震的平均复发时间既可以由相继发生的两次特征地震的时间间隔予以估计, 也可以由地震的平均滑动量除以断层的长期滑动速率予以估计。

地震空区预测案例：日本东海大地震，美国帕克菲尔德地震。

地震空区方法缺陷：不易确定特征地震的震级并且缺少估计复发时间所需的完整的地震记录资料. 此外, 由于地震过程内禀的不规则性以及地震的发生具有“空间-时间群聚”的趋势, 所以在实际应用地震空区假说同时预测特征地震的震级与发震时间时仍有困难.

1.3地震中期预测--应力影区模式

由地震空区模式可以推知, 地震的发生受到先前发生的地震所引起的应力变化的影响而加速或减速. 如果大地震的发生降低了破裂带附近某区域的应力, 从而降低了该区域发生地震(既包括比该地震大的地震、也包括比该地震小的地震)的可能性, 直至该区域内的应力得以恢复为止. 不同于地震空区模式, 它不仅涉及断层段, 而且也涉及其周围区域. 此外, 由于应力是张量, 所以地震的发生既可能使某些断层段上应力增加, 也可能使某些断层段上应力减小. 在靠近已破裂的断层段的某些区域, 应力实际上是增加的, 从而应力影区模式对“地震群聚”现象提供了一种物理上说得通的解释。

1.4地震活动性图像

    茂木模式：一次大地震之后接着是频度随时间逐渐减少的余震, 然后是长期平静期(第一次平静期), 这个平静期后依次是: 未破裂带地震活动性增加, 中期平静期(第二次平静期), 前震活动期, 短期平静期(第三次平静期), 最后是大地震。其他：RTL 方法、PI 方法等。

1.5地震短、临预测--地震前兆

地震之前发生的、被认为是与该主震的孕震过程有关联的一种环境参数的、定量的、可测量的变化。包括: ① 震前数小时至数月的前震，② 震前数月至数年的 “预震” ③ 强余震之前的地震“平静” ④1978 年 1 月 14 日日本伊豆-大岛近海 MS7.0 地震前地下水中氡气含量减少、水温下降: ⑤ 地壳形变。[1]

1.6卫星热红外遥感技术

卫星热红外预测技术属于短临预测，预测周期在 3 个月以内；可以预测的地震范围在较宽；在地点预测上有较大优势，对于有震兆异常特征点的地震，预测地点可以精确到 1 度以内。[2]

内陆地区的地震前常产生热红外异常,而沿海地区的地震前则更容易出现潜热通量异常。红外辐射可以通过卫星红外通道的传感器观测到,而潜热通量可以使用微波遥感观测资料计算或红外遥感与地面观测资料联合反演。应用卫星遥感技术研究地震前的热异常虽然目前仍然存在许多问题,但随着技术的进步和研究工作的深入,应该能在地震预测中发挥重要作用。[3]

1.7由应力预报地震

可以通过使用剪切波来监测震源区周围岩体内的应力积累可以确定性地由应力预报地震。地 球 是 高 度 不 均 匀的，应力累积不规则。如果应力在小岩体内增加，则增加会很快但是最后的地震会小。如果应力在大岩体内增加，增加会很慢但是最后地震会较大。因此，这种变化的持续时间以及量级是自相似的，所以在围岩体内监测这些应力变化，能使即将来临地震的时间和震级以及有时对断层破裂得以应力预报。使用三孔应力检测点，其极端的敏感性说明一个三测井的应力监测点就可以检测到1000km外的M=5地 震前变化。[4]

1.8利用电磁卫星的地震预测

地震前几周、几天、几小时甚至几分钟,电磁场的强度、相位或者谱密度等将发生异常变化,电离层的电子、离子浓度和温度等会发生异常扰动,这些现象的出现向人们发出地震即将来临的信号.这些现象不仅在地面可观测到,在卫星上也能观测到,它们在确定异常现象发生的地点和时间等方面具有各自的优势,把两种观测相结合,对异常信号进行立体监测,是实现地震预测预报的发展趋势。

美国计划：2005年美国一些机构提出的建议,其立体监测体系或地震预警信号监测系统, 监测包括宽频带的电、磁场异常变化、电离层的扰动、红外光、空气电导率变化和传统的力学现象以及使用GPS技术观测电离层结构异常和地壳运动等,该建议计划用10~12年左右时间完成。

中国计划：“十一五”期间：开展电磁卫星关键技术攻关；研制并发射地震电磁监测试验卫星；积累观测数据。：空间电磁监测试验卫星主要探测物理量包括地球空间的电磁场和电磁辐射，等离子体扰动以及高能粒子沉降变化等。星主要有效载荷配置：感应式磁力仪，磁通门磁力仪，电场探测仪，GPS 掩星接收机，等离子体分析仪，高能粒子探测器，朗谬尔探针和三频信标发射机。

2003年6月美国QuakeFinder机构等率先发射了QuakeSat概念型电磁微小卫星,主要监测美国西部地震带的磁场异常变化.

2004年6月29日,由法国牵头的多国机构发射了世界上第一个真正专门用于监测地震电磁辐射的太阳同步卫星DEMETER ( Detection of ElectroMagnetic Emission Transmitted from Earthquake Region). 卫星搭载了多种观测仪器，包括感应式磁力仪（IMSC），用来观测几Hz到20Hz的磁场的三分量；电场探测仪（ICE），观测从直流到3.5MHz电场的三分量；等离子体分析仪（IAP），用于探测离子密度、成分、温度和速率等；郎缪尔探针（ISL），用于测量电子密度和温度；高能粒子探测仪（IDP），用于测量能量范围在60keV～600keV的高能电子通量。DEMETER卫星有“巡查”（survey）模式和“密集”（burst）模式两种数据采集模式，经过全球地震活动带上空时采用高采样率加密模式，其他区域采用“巡查”模式进行观测。DEMETER卫星一条完整的轨道分为上升轨道（升轨）和下降轨道（降轨），升轨是指卫星从南纬飞向北纬的轨道，对应地方时的夜间；降轨是指卫星从北纬飞向南纬的轨道，对应地方时的白天。2004年底乌克兰发射了SICH21M地震电磁卫星。

其后，意大利，美国，俄罗斯等国发射了检测地震征兆的电磁卫星。[5]-[9]

2.地震预测过程

2.1异常的环境电磁波辐射被证实为地震的前兆现象，2008年日本学者Motoaki Mouri等基于该理论，从1985年起在全日本布设观测点进行频率为223Hz的超低频地磁场辐射测量。观测系统有三个分指向东西、南北和垂直方向的天线回路，观测设备对环境电磁波进行采样（采样频率50Hz），并以6秒为周期对采样频率取平均，最终各方向上的电磁辐射数据数据通过公用的电话网上传到实验室。经过建立自回归模型，进行正常地球电磁辐射的预测，并根据预测误差，判断地磁异动预测地震。

2.2地球内部介质剧烈断裂产生的震动波会引起一定范围的地表振动，从而发生地震。科学家从卫星数据中发现了电离层电磁干扰和地震之间的相关性。DEMETER卫星作为监视地球电磁辐射的观测卫星，获取了许多地磁信息。中国学者Fangzhou Xu等希望利用DEMETER卫星采集到的电磁辐射数据及地球上的地震带信息进行地震预测。首先，考虑到电磁辐射异常的影响范围有限，他们以震中为中心边长为30千米的正方块，对观测点进行网格化，每个方块中有40到50个观测点，测量结果取均值。在卫星上进行IAP和ISL试验，发现电子和离子密度、电子和离子温度、氧离子密度在地震前有明显的干扰和变化，这些因素的异常扰动均与地震相关，将这些参数作为预测地磁异动的影响因素。并且根据两个主要的地震带Circum-Pacific Belt和Alpide Belt，寻找震中点离地震带边界线距离小于60千米的点，将其地震带参数设为1，否则为0。根据测得的影响地磁辐射的相关因子，建立反向传播神经网络，对地磁辐射进行预测，并根据累积概率和可能性强判断度概率计算，进行地震异常扰动的判断。

2.3热辐射与地壳运动释放能量有关，因此热辐射温度的异常被认为是地震发生的前兆。气象卫星如日本的Himawari、中国的FY-2都可获得地球的热辐射遥感图像。这两个卫星的热红外波段主要为10-11微米，辐射温度为263-290K，相当于-10-17摄氏度的波段。气象卫星接收来自地球的红外热辐射，辐射大小与大气温度成正相关，将辐射转换为图像即黑色表示辐射大，白色代表辐射小，卫星云图上的色调分布就是大气的温度分布，由此来判断大气温度的高低。中国学者利用气象卫星的红外辐射图像，获得大气热辐射温度的数据信息，排除气象热红外辐射的影响，获得代表地震前兆的红外辐射温度进行地震预测。

    2.4对发生在地壳中的浅源大震, 地壳固体在其孔、裂隙中通常含有易于流动的(导电的)流体，这种流体在地震孕育过程中因受力(孔隙压力)先于断层位移(地震)产生的(微小)扰动(波动), 为通过观测HRT波进行地震预测提供了理论支持。中国学者从2004年起在四川和云南省部署了四个地电检测站，使用所研制的抗干扰性能极强的PS-100地电测量系统和技术, 捕捉地震短临前兆。研究表明震中发出的HT、RT波与即将发生的地震存在因果关系，测量的大地电阻率和大地电流在震前表现为周期振荡的潮汐波，同时HT波振幅变大，且两个RT波到达的时间差正比于观测站到震中的距离。振幅的衰减与正比于断层长度的地震断层自然周期有关。考虑到潮汐力具有运动规律已为人们所掌握, 其周期可远大于强震断层的固有周期T0 数小时, 可随时对地球各处的震源加载输入信号等特点, 选潮汐力作输入信号; 选主要受孔裂隙流体控制与孔裂隙流体(溶液)关系最密切的地电参量(地电阻率和地电流场)的测量方法, 作为实地测量“黑箱”输出响应的方法, 以随时定量地估计出对象的数学模型及其参量的动态变化。当断裂层失稳，在此阶段断裂带中的介质将随潮汐力而谐振至共振。从而产生微弱而清晰的与潮汐力有关的各种周期的HRT波，从震中向外传播, 被抗电(磁)干扰的、主要反映孔裂隙中流体(溶液)运动(以HRT波波动形式)的PS-100HRT波台网所接收。台网记录到这种波动时, 则预示地震即将来临, 判别分析这种波动的特性便可预估得出未来地震的时、空、强的定量结果。

3.预测模型及干扰处理

3.1自回归及其优化模型

    首先针对无异动的正常信号采用自回归模型，

                    （1）

式中，p为序列数，为模型参数，为白噪声。当磁场出现异动时，在正常模型中会产生一个自回归误差。通过对该误差来反映低频电磁场的异动。设置算式：

                            （2）

式中，Q为自回归模型误差的平方和，N为样本数量。计算最小的IC值，对应P值作为最优p值。接着使用正常的电磁信号数据计算20个模型系数，在组内（P个一组）求平均作为该组的模型系数，计算出东西和南北向的电磁数据。并每三小时进行依次异常判据计算

             （3）

式中，、分别为东西和南北方向的自回归误差，为三小时能的样本数。但由于出现异动时的自回归模型系数会发生改变，影响预测结果，而他们认为测量的环境地磁信号是磁源经过环境作用后的结果，并将测得信号分为全球信号和当地信号两个部分

                 （4）

式中，表示全球信号，表示当地信号。全球信号的差异可能将异动信息淹没，因此根据地磁源初始矩阵和混合因子矩阵计算得出全球信号

                       （5）

式中，为一个混合矩阵，为初始因子载荷阵。将测得信号的全球信号部分减去，保留本地信号，从本地信号的异常来反映环境电磁场的异动，由此来进行地震预测。经验证，该法可以检测出离震中50千米震级超过4,、100千米震级超过5和150千米震级超过6的地震相关电磁辐射。异动的预报时间为震前一周之内。[10]

3.2基于卫星数据的反向传播神经网络模型

根据两个主要的地震带Circum-Pacific Belt和Alpide Belt，寻找震中离地震带边界线距离小于60千米的点，将其地震带参数设为1，否则为0。由卫星数据得到一个相关因素矢量：

            （6）

式中，为电子密度，为电子温度、为离子温度、为氧离子密度、为氢离子密度、为负氧离子密度、为地震带参数。科学家认为地球的电磁异常时一个层进的过程，通过各个影响参数的来对地磁进行预测是一个有高不确定度的问题。需要一种可靠的方法来对各参数和过程进行学习。多输入单输出的反向传播神经网络适用于这类非线性关系的应用。对应的，他们建立了一个含有输入层、隐层和输出层的多层感知神经网络，选择上述与地震相关的参量，用卫星上两组数据：一组为震级大于5的震前30天的数据和无地震地区的数据对BP神经网络进行训练，以绝对误差的均值作为神经网络训练的关键指标，按照下式：

        （7）

经训练使得模型的绝度误差均值达到最小，得到地磁预测模型。

而 Nemec的研究表明一个被测物理量E的累积概率由累积分布方程定义：

                        （8）

其中，累计概率的取值区间为[0,1]，它代表发生信号强度比测得值水平少或相等的可能性。地球活动发生可能性的强度分布符合公式：

                          （9）

其中，为给出的一个网格中所得到的个数。当累积概率远离0.5或者发生概率远离0时，判定为异常。作者以此为地磁活动异常的判据，进行地震预测。

使用卫星数据对2008年一年内的地震进行预测，正确率为81.2%，认为该地震预测模型有效。

3.3红外热辐射温度模型

地震的能量来源于地球内部，大地内的高压区域其电磁场和应力场会转化为热量并最终消散。温度上升作为一种热量消散，相应的热辐射异常会被红外遥感图像获得。地震热辐射异常是一种不受天气因素影响的热辐射温度异常，实际反映的是一种地球能量和地震强度。地震发生有一个过程，其在热辐射上显现为热辐射区域温度异常上升，并且向着应力带按一定比例移动。因此得到影响地震级数的函数方程为：

                 （10）

式中，为本地区域地震级数，为区域A的红外辐射温度，为起始区域A0的红外辐射原始异常温度，。经过维数分析，可以得到：

              （11）

而地震的预测时间其实是地壳断裂过程中能量从地震源传到地表的时间，因此认为它和区域地壳厚度和温度升高地区能量的转移速度有关，其表达函数为：

                        （12）

式中，D为区域地壳厚度，v为温度上升区域的移动速度。经维度分析得：

                         （13）

作者根据上式来推测地震的预测级数、发生时间，并结合的传播公式推测震源位置。[12]

3.4潮汐力谐振共振波模型

据岩石力学实验推论指出,  发震断层失稳(即地震)时, 其震源区介质的本构关系曲线将处于极大值或过极值段, 即地震将在源区介质刚度小于0阶段发生，表达式为：

                          （14）

式中F, σ为力或应力, u, ε为位移或应变目前人们无法实地测量地球介质本构关系全过程曲线,  可以利用过程辨识原理,  辨识源区介质λ≤0 的阶段. 在分析λ=0时输出信号对潮汐力的响应特性时,  得到潮汐力输入地质系统时,  其位移增量的表达式为：

                       （15）

即源区介质（对潮汐力）响应为应力-应变波, 其振幅与输入信号振幅A成正比, 与源区介质刚度λ成反比。源区产生的应力-应变波传到台站, 实测地电阻率ρx随孔隙应力-应变ε灵敏变化，按扩展的Archie经验定律ρx=ρ0Φ−(E+Fε0.4), 反映源区传来的应力应变波。

当发震断层失稳时(地震)，震源区介质(其孔裂中含流体)刚度λ≤0, 即本构关系曲线导数为“0”之后断层发生失稳，在此阶段断裂带中的介质将随潮汐力而谐振，至共振。从而产生微弱而清晰的与潮汐力有关的各种周期的HRT波(共振周期将等于系统—破裂断层的固有周期)。[13]

3.5改善短期地震预测的混合模型

短期地震概率模型STEP主要用于预测余震活动;它依靠背景地震活动性模型来预测大多数主震,即那些不带有前震序列的地震。背景模型是基于Frankel等(1997)方法的静态地震发生模型。在短期地震概率模型条件下,第j网格内以时间tj为中心、震级为mj及位置为(xj, yj)的地震预期数由下式给出：

               （16）

长期地震预测模型EEPA，利用了主震孕震期出现的地震活动性变化,尤其是前兆尺度增加现象及相关的预测标度关系。在该模型条件下, j网格中的预期地震数量由下式给出:

                   （17）

通过将来自EEPAS模型的长期信息整合到预测中可以提高STEP模型的短期预测能力。

第1个模型用SE1表示，为EEPAS模型和随时间变化的STEP模型分量的线性组合,其形式为[14]:

            （18）

 第2个模型用SE2表示，为EEPAS模型和包含静态分量贡献的整个STEP模型的线性组合，形式为[14]：

          （19）

3.6地震预测的灰色模糊模型

把灰色灾变预测用模糊数学的常用方法来处理，把纯灰色演变预测转化为灰色模糊预测，则有可能提高预测精度。我们把这种模型称为地震预测的灰色模糊模型。

模型I:给定地区、给定时段内最大震级的预测把研究地区以往发生的最大地震震级按时段、例如一年组成时间序列：

            （20）

进行灰色灾变映射，得到地震震级的地震发震时段：

         （21）

计算模糊正态数

               （22）

其中，是某一震级值归入指定震级的从属程度的高低，按GM(1，1)建模，有：

         （23）

其中， 。当k代表最近发生的一次地震时，(k+1)为预测的下一次地震数值。对数列进行累减生成运算，得到1）数列，可求得预测的发震时刻。

模型II:给定地区、给定时段内某一震级范围的地震预测模型。

A、按上述模型计算出：

           （24）

这样，预测有6.5级以上地震却没有7.0级以上地震时，说明预测有6.5~7.0级地震。

B、在模糊化的过程中，把从属度换为全正态模糊集关系式:

                           （25）

从而把原始数列各时段的震级模糊化在左右，预测数列也就直接化为预测震级在从左右的地震时段。[15]

3.7基于阈值的地震预警方法

大多数现有的地震预警系统都是区域系统或现场系统。一种新的概念是将这些方法结合起来确定警报等级并估计地震潜在破坏区（ＰＤＺ）。该方法的关键是在震中距逐渐远的各加速度仪台站上对初至Ｐ波到时之后３ｓ窗内的初始峰值位移（Ｐｄ）和周期参数（）的实时和同步测量。至于现场方法，是将Ｐｄ和的记录值与根据不同地震区的强震数据的经验回归分析对最小震级为Ｍ６、仪器烈度为Ⅶ度确定的阈值进行比较。在每个记录点，根据参数Ｐｄ和的阈值定义的４个项目的判定表分配警报等级。在最具破坏性的震相到达之前，区域台网给出地震位置并将有关近震源台站记录的警报等级的信息传输到更远的记录点。

初始峰值位移（Ｐｄ）与地震动峰值速度（ＰＧＶ）之间的关系如下：

        （26）

另外，可以推导出：

                （27）

研究距离范围内参数Ｐｄ的地震动预测方程，根据多元线性回归分析，得到最佳拟合是：

       （28）

由此，确定了Ｐｄ、和震源距（Ｒ）相关联的关系，快速估计出潜在破坏区的范围。[16]

3.8基于汶川地震前电磁卫星观测数据的去干扰优化模型

    对7个卫星观测量采用均值和中值统计量进行空间和时间尺度上的等间隔化采样，等间隔化采样的方法是空间上采用，然后利用克里金曲面插值方法，获得空间图像，在时间轴上则采用1天窗长，然后利用3次样条插值方法，以此获得等间隔的时间序列。

对获得的等间隔时间序列采用切比雪夫趋势曲线拟合，以此消除趋势背景影响，同时与用实际平均值方法消除背景相比较发现该方法消除的效果最好，保留残差时间序列，用于汉川震前一段时间异常的提取与识别;对空间场变化也采用统一的数学模型，对每一个时间单元内的空间图像进行整体矩形曲面拟合，获得趋势面数字方程，以此消除趋势影响，获得无背景场的7个电磁卫星指标的空间变化图像。另外也采用了实际空间场平均的方法消除背景值，但两者相比，后者没有前者方法处理效果好，这可能是由于趋势平均的选取很重要，只有恰当的选取才有可能获得有效的背景场消除效果。[17]

参考文献

[1]陈运泰，地震预测：回顾与展望，中国科学，2009.

[2]Chen Haiqiang ，The application of satellite remote sensing thermal infrared technology in the field of earthquake prediction，中国地球物理，2012.

[3]Deng Zhihui，Review Of Applying Satellite Thermally Remote Sensing Technology To Earthquake Prediction，Journal Of Geodesy And Geodynamics，2005.

[4]Stuart Crampin,Comment on The Report “Operational Earthquake Forecasting” by the International Commission On Earthquake Forecasting for Civil Protection, Annals of Geophysics,2012.

[5]赵国泽等，电磁卫星和地震预测，地球物理学进展，2007.22(3):667-673.

[6]卓贤军等，地震预测中的电磁卫星，大地测量与地球动力学，2005.25(2):1-5.

[7]申旭辉等，中国卫星地震应用系统框架与地震电磁卫星计划进展

[8]申旭辉等，地震遥感应用趋势与中国地震卫星发展框架，国际地震动态，2007.NO.8:38-45.

[9] 尼鲁帕尔·买买吐孙,，张永仙, 地震电磁卫星电离层扰动研究进展综述, 地震,2012,32(1):103-117.

[10]IMPROVEMENT OF EARTHQUAKE PREDICTION BY USING GLOBAL SIGNALELIMINATION FROM ENVIRONMENTAL ELECTROMAGNETIC SIGNALS，Motoaki Mouri，IEEE2008，V566-569.

[11]Neural Network Model for Earthquake Prediction using DMETER Data and Seismic Belt Information ，Fangzhou Xu，2012IEEE，180-183.

[12]Study on Short-term and Imminent Earthquake Prediction Using the Satellite Thermal Infrared Technique，Qiang Zuji， 2009 IEEE：372-381.

[13]Impending HRT wave precursors to the Wenchuan Ms8.0 earthquake and methods of earthquake impending prediction by using HRT wave，Qian F Y et al. Sci China Ser D-Earth Sci，Oct. 2009 （vol. 52 | no. 10）：1572-1584.

[14] D·A·Rhoades，M·C·Gerstenberger，Mixture models for improved short-term earthquake forecasting，Bull Seismol Soc Amer·2009·99(2A): 636-6.

[15] 冯德益等，地震预测的灰色模糊模型，内陆地震，1991.5(2):97-105.

[16]S.Colombelli,O.Amoroso,A.Zollo, Tetst of a threshold-based earthquake early warning method using Japanese date,Bull Seismol Soc Am.2012.102(3):1266-1275.

[17] 武安绪等, 汶川大地震震前电磁卫星观测资料的时空演化特征分析，中国地震学会成立三十年学术研讨会论文摘要集[C],2009.