多方法组合模式对川滇地区强震发生的回溯性检验①

周发仁, 余怀忠2

(1.中国地震局地震预测研究所,北京 100036; 2.中国地震台网中心,北京 100045)



多方法组合模式对川滇地区强震发生的回溯性检验①

周发仁1, 余怀忠2

(1.中国地震局地震预测研究所,北京 100036; 2.中国地震台网中心,北京 100045)

摘要：使用多方法组合模式对川滇地区近年来的强震进行回溯性检验,并尝试给出川滇地区组合预测的最佳参数模型。首先采用图像信息(PI)法进行全面扫描,从长期尺度上找出地震活动异常的地区；然后采用加卸载响应比(LURR)、态矢量(SV)法进一步估计地震发生的中短期可能；在此基础上使用矩张量加速释放(AMR)法估算地震发生的相关信息。震例研究显示,川滇地区2012-01-01—2014-12-31期间共发生M>5.5地震13次,除2013年8月31日云南中甸地震外,其余12次地震均发生在组合方法最终划定的危险区内,且时间、震级也基本一致。这一研究结果表明,相对于单一算法,将不同前兆方法适当组合能够更加明确地为未来地震危险性评估提供信息和约束。

关键词：多方法组合; 川滇地区; 地震预测; 回溯性检验

0引言

大地震一般是断层处地壳在长期构造加载作用下地壳介质发生变形、破裂的结果。随着现代地震监测网络技术的发展,利用地震目录进行地震预报的研究越来越多,如Yin等[1]提出,加卸载响应比、加速能量释放、态矢量等模型,其确定的临界区域尺度具有一致性。在目前尚无简单统一且时间相关的地震预测模型的情况下,这一发现使得我们可以建立一个合理的物理框架,将预测模型组合应用于地震预报研究,以逐步逼近的方式探索未来地震发生的时间、地点和震级。Bowman等[2]使用这种方法对加州地区1950—2000年6.5级以上地震进行了回溯性检验,认为震前加速能量释放与加卸载响应比结合可以提高估计地震危险区的效率。Keilis-Borok等[3]、Yu等[4]将这一组合模型应用于大地震前地震活动的演化。

近年来地震预测的国际合作实验室也给出了组合模型方面的研究[5-7]。 Gelfand等[8]最早提出使用模式识别方式技术提取不同的前兆现象并加以组合。Shebalin等[9-10]提出不同权重模型的组合方法,这提供了一条组合速率模型和预警模型的途径。

余怀忠等[11]提出国际地震预测新方法——图像信息[12]和流行方法：将矩张量加速释放[13-14]与我国自主研发的加卸载响应比[15]、态矢量[16]方法得当组合,应用于地震预测实践中。多方法地震组合预测的想法自2010年提出以来,便开始陆续应用到中国地震台网中心的年度和年中地震趋势会商会上,并提交了正式的预测报告。该算法曾在2010年玉树7.1级[17]和2013年芦山7.0级[18]地震发生前提出过较好的中期预测。在2014年度地震趋势会商会上,应用2013年研制完成的“多方法地震组合预测(MMEP)软件”对我国大陆2014年地震趋势进行了预测研究[19],与2014年实际发生的地震比较发现,该算法具有较好的预测效果。

在地震预测研究中,相关模型的实际检验对模型的发展和改进具有重要意义。川滇地区地震活动频繁,是检验地震预测模型的理想场所,本文结合这一地区的地震活动,尝试对多方法组合模型进行回溯性检验。

1方法介绍

1.1图像信息(Pattern Informatics,简称PI)

Rundle等[12]基于统计物理学思想提出的地震预测模型是根据地震活动性的图像信息构建的,其基本实现原理是把研究区域进行网格划分,并将每个网格内的地震活动构建强度时间序列,通过对每个网格多时间尺度地震活动强度异常变化的提取和所有网格间地震活动强度变化的归一化处理,计算每个网格里显著地震事件发生的概率,再减去背景概率,检测出发震概率高的网格,得到地震热点,即地震危险区。

Tiampo等[20]对PI方法进行了数学定义,并对其计算过程给予了较合理的解释。他们研究发现PI方法的地震预测效果要比相对强度法(该方法认为过去一定时间段内发震次数多的地方将来更有可能发生地震)和随机预测的预测效果更优越,预测的时间尺度为3～10年。Rundle等[21]利用PI方法对南加州地区2000年1月—2009年12月间发生的27次5级以上地震进行了回顾性检验,发现其中25次发生在距地震热点11 km的范围内。

1.2加卸载响应比(Load/Unload Repose Ratio)

加卸载响应比是近年来关于震源区地壳介质破坏演化规律性认识的重要发现[15,22]。在地震预测实践时,一定时间窗和空间窗内小震释放的能量常被作为响应量,加载和卸载过程可根据日月潮汐力在地震破裂面上引起的库仑破坏应力△CFS进行判断,△CFS >0为加载,△CFS <0为卸载。这样加卸载响应比可以定义为加载和卸载阶段能量释放之比：

(1)

通常m为1/2,即 Em表示Benioff应变。为了避免地震数目太少造成加卸载响应比时间序列的强烈波动,计算时间窗内通常包含了多个加、卸载循环过程。当孕震区介质处于稳定状态时,LURR在1附近波动,而当地震迫近时,LURR则大于1。

在过去的20年中,加卸载响应比方法的研究已经取得了很大发展,并被广泛应用于地震中短期预测实践。研究发现在大地震发生之前数月至2年间,加卸载响应比时间序列通常会发生明显的异常增加,这一现象可以被用作地震发生的重要前兆规律。

1.3态矢量(State Vector)

态矢量是余怀忠等[4]提出的一种地震预测新方法。按照其定义,可以将连续物理场V划分成n个子区域,并把每个子区域在不同时段内的物理量Vi(tk)(i=1,2…n)看作矢量的一个分量,形成的n维矢量就定义为态矢量,记作Vk。通过不同时刻的态矢量时间序列变化能够描绘出对应物理场的损伤演化。为了直观反映态矢量的时空演化特征,进一步定义了4个参数,分别是：

态矢量的模：

M=|Vk|

(2)

相邻两时刻态矢量的转角：

(3)

态矢量增量的模：

(4)

矢量与均等矢量Ve(各个分量相等)的夹角：

(5)

利用这一方法已经对中国大陆、美国南加州的大量震例进行了研究[4,23],通常在大地震发生之前数月至1年,相关时间序列会出现明显的异常变化。

1.4矩张量加速释放(AccelerateMomentRelease)

近年来一系列研究表明在大地震发生之前地震活动性通常会出现明显的变化[13]。Bufe等[24]提出可以用一个简单的幂率时间-破裂模型来描述这种变化,他们研究发现1989年美国加州M7.0 Loma Prieta地震发生前的地震活动就可以用下式的幂率关系拟合:

εp(t)=A+B(tc-t)z

(6)

其中:tc表示地震发生的时间。释放能量积累过程可以表示为：

(7)

式中:Ei表示第i个地震事件的能量释放;N(t)为t时刻的地震事件数。Bowman等[2,22]进一步提出可使用此规律进行地震预测研究。

2震例研究

运用上述方法对川滇地区2012年1月1日—2014年12月31日ML>5.5地震进行回溯性研究。

2.1 研究资料的选取

研究区域为20°～35°N,95°～110°E,包括川滇两省全部及部分周边地区。研究区域内的川滇菱形块体及其边界断裂带是中国大陆地震活动最强烈的地区之一。研究所选用的目录为中国地震台网中心提供的1970-2015年《中国地震月报目录》,震级单位为地方震级ML,震级完备性如图1所示。从图中可以看出,研究区域内3级以上地震具有较好的完备性。本文没有对地震目录进行去丛处理(即不区分主震和余震),因为余震的出现在一定程度上反映了研究区域内的地震活动处于高应力状态。

图1　云南四川地区的震级完备性分析Fig.1　　　Analysis of magnitude completeness in　　　Sichuan—Yunnan region

2.2研究方法

(1) 首先采用图像信息(PI)法对中国大陆地区进行扫描,从长期尺度上找出地震活动异常的地区。在PI方法中,通常要求截止震级小于目标震级两个震级单位,因此我们选取截止震级MC=3.5级,取目录起始时刻t0为1998-01-01,异常时段t1：2009-01-01—2012-01-01,预测时段t2：2012-01-01—2014-12-31,滑动步长Δt=30天,扫描网格大小为0.2°×0.2°。计算中对所有网格间地震活动强度变化进行归一化处理,在[0,1]之间给出地震预警的阈值,发震概率较高的网格认为是危险区(地震热点)。根据PI方法的扫描结果,结合川滇地区活动断裂带分布、应力状态确定地震发生的危险区。

(2) 根据中国大陆的PI预测结果,确定相应的地 震危险区域(图2)。取危险区域的半径为200km,约等同于一个M>6地震的临界区域尺度,即临界区域半径与主震震级之间的统计线性关系斜率约为0.36[1,22]；中心位置与各个热点集中区的中心相一致。

图2　　　PI扫描研究区域内的地震热点分布及由此得到的危险区(图中红色圆圈为回溯性　　　检验时间内发生的地震)　　　Fig.2　The hotspots in the study area detected by using the PI method and the seismic risk regions derived fromthe hotspots (Red circles indicate the earthquakes occurred during the retrospective test period)

(3) 图像信息法(PI)方法确定危险区以后,使用加卸载响应比(LURR)和态矢量方法(SV)逐个分析这些危险区内地震发生的趋势,评估危险区内中短期地震发震的可能性。

LURR方法使用Benioff应变作为响应量,小震震级取0～4级,内摩擦系数取0.4。计算时间从2002年1月1日—2012年1月1日,计算时间窗为1年,滑动时间窗1个月,扫描结果如图3所示。大部分时间加载响应比都保持在1.0 附近,如该值大于1.0,则认为该地区有异常,发生地震的可能性较高。

图4给出了采用该区域内地震事件计算的4个态矢量时间序列。使用川滇地区前十年的地震资料,计算时间窗为一年,滑动时间窗为一个月,态矢量的相关参量采用预测区域内的震级计算,子区域大小取0.5°×0.5°,小震震级范围0～4级。与加卸载响应比方法不同,态矢量方法不设定异常门槛值,而是用时间序列减去背景值,若所得值大于0,则认为该区域异常。

(4) 在上述基础上,利用矩张量加速释放模型对地震发生的时间、震级作进一步的估算和检验。在该模型的计算中,根据式(6),我们取z=1/3,tc为目标地震发生时间,A为目标地震发生时累计的Benioff应变,用来估计目标地震的震级。估计震级由古登堡定律给出：

MS={lg[A-ε(tp)]2-4.8}/1.5

其中:MS为预测震级;tp为预测的发震时间。所得危险区内的Benioff应变释放过程及拟合预测结果如图5。

图3　研究区域内的加卸载响应比空间演化(图中不同颜色给出不同加卸载响应比异常值)Fig.3　　　Spatial evolution of the LURR in the study area (Different values are shown by different colors)

图5　川滇地区各危险区内Benioff应变释放过程及幂律拟合结果(红色曲线)Fig.5　　　Benioff strain release process in each seismic risk region and the power law fitting results (Denoted by the red curves)

2.3组合输出结果

综合分析上述四种方法的计算结果,在PI所得危险区的基础上,将LURR、SV和AMR未见明显异常的区域去除,最后共保留8处危险区,相应的时间、震级等如图6所示。

3讨论

在地震发生之前,区域地震活动可能会发生一定的改变。PI方法从平静和活跃两个方面分析地震活动相对于长期背景场的变化,这与强震发生前区域地震活动性相一致,因而能较为准确地把握地震异常发生位置及分布范围。在这种情况下,把PI方法作为发现地震异常区域的前期手段,结合LURR、SV、AMR方法,建立组合预测模式,增加预测的约束,从空间上更加逼近地震发生的真实信息。从结果来看,某些地震,如2014年11月22日发生的康定M6.3地震,在使用PI方法扫描时并没有出现明显的异常,但却落在了组合预测危险区的范围内。进一步统计发现2012年1月1日—2014年12月31日研究区域内共发生M>5.5地震13次,其中12次发生在组合方法预测的危险区内(图6)。对比PI所得结果(图2),有6次发生在PI热点上,显然组合方式有更高的预测效率。另一方面,有的区域虽然从PI的角度观测到异常,但未必就一定是地震发生的前兆。图2中危险区1、3、9、11、12、13及14均出现PI热点,但并没有发生目标震级的地震。针对PI方法出现的虚报问题,按照PI和LURR危险区域在空间上的重合程度,兼顾PI热点的概率分布,选择重合率高的地区为预测危险区域,从中舍去只有PI异常而没有其他异常的地区,计算过程中同时使用SV和AMR对预测结果进行进一步修正。最终,组合和PI两种预测方法得到的地震危险区数目分别为8和14,这一对比使得图6的预测效果更清晰,虚报几率明显降低。此外,在时间尺度上,PI预测的时间尺度为3～10年,LURR为数月至2年,SV、AMR为数月至1年,可见如果采用PI、LURR、SV和AMR依次计算的组合模式,从时间上也能够逐步逼近地震的发生。

图6　多方法组合算法预测的地震危险区(红色圆圈为2012-01-01—2014-12-31时段内发生M>5.5的地震)Fig.6　　　Seismic risk regions predicted by using the combination of multi-methods (Red circles show the M>5.5　　　earthquakes occurred from 2012-01-01—2014-12-31)

需要注意的是在使用LURR进行地震预测实践时,小地震的加载和卸载过程是根据日月潮汐力在地震破裂面上引起的库仑破坏应力△CFS进行判断的,△CFS>0为加载,△CFS<0则为卸载。小震的震源机制假设与未来主震的震源机制相一致[4]。而在危险区的取舍过程中,无论由于构造资料选择的差异[24],还是地震目录定位精度的影响[4],LURR和SV都有可能出现一定的误报,因此只要二者之一观测到突出异常,即可进行下一步分析。这样既能保证异常判断的可靠性,又能有效地减少由于资料导致的预报误差。如果二者都观测到明显异常(图3和4),则预示着在危险区内有更高的几率发生强震。

最后,强震前的AMR现象已在全球范围不同地区被不同的地震学家所验证过。Ben-Zion等[25]曾对z值的变化范围进行总结,得到结果为0.1～0.55,平均值约为1/3;Turcotte等[26]利用纤维束模型也对脆性材料的能量释放过程进行了研究,在常载荷条件下得到指数z=1/ 3。因此,本文采用z=1/3的指数值,这同样与Bowman等[22]、Sornette等[27]所得的指数z值一致。

4结论

以上回溯性检验的结果表明,将PI、LURR、SV、AMR4种预测方法得当组合,根据川滇地区的特点使用恰当的预测参数,结合区域内的构造特征、孕震环境和应力场状态,可以较准确地预测川滇地区M>5.5以上地震发生的时间和危险区域。事实表明,多方法组合预测对于研究从长期到短临时段内的地震活动性变化以及相应的地震孕育和发生过程,认识长期预测与中短期预测的物理联系有相当重要的参考意义。

参考文献(References)

[1]YinXC,MoraP,PengKY,etal.Load-UnloadResponseRatioandAcceleratingMoment/EnergyReleaseCriticalRegionScalingandEarthquakePrediction[J].PureApplGeophys,2002,159(10):2511-2523.

[2]BowmanDD,KingGCP.AcceleratingSeismicityandStressAccumulationBeforeLargeEarthquakes[J].GeophysResLett,2001,28(21):4039-4042.

[3]Keilis-BorokV,ShebalinP,GabrielovA,etal.ReverseTracingofShort-termEarthquakePrecursors[J].PhysicsoftheEarthandPlanetaryInteriors,2004,145(1-4):75-85.

[4]YuHZ,YinXC,ZhuQY,etal.StateVector:ANewApproachtoPredictionoftheFailureofBrittleHeterogeneousMediaandLargeEarthquakes[J].PureApplGeophys,2006,163(11-12):2561-2574.

[5]JordanTH.EarthquakePredictability,BrickbyBrick[J]SeismolResLett,2006,77:3-6.

[6]RhoadesDA,GerstenbergerMC.MixtureModelsforImprovedShort-termEarthquakeForecasting[J].BullSeismolSocAm,2009,154(2A):636-646.

[7]ZecharJ,JordanT.TheAreaSkillScoreStatisticforEvaluatingEarthquakePredictabilityExperiments[J].PureApplGeophys,2010,167:893-906.

[8]GelfandIM,GubermanSA,Keilis-BorokVI,etal.PatternRecognitionAppliedtoEarthquakeEpicentersinCalifornia[J].PhysEarthandPlanetInter,1976,11:227-283.

[9]ShebalinP,NarteauC,HolschneiderM.FromAlarm-BasedtoRate-BasedEarthquakeForecastModels[J].BullSeismolSocAm,2012,102(1):64-72.

[10]ShebalinP,NarteauC,ZecharJD,etal.CombiningEarthquakeForecastsUsingDifferentialProbabilityGains[J].Earth,PlanetsandSpace,2014,66:37.

[11]YuHZ,ZhuQY.AProbabilisticApproachforEarthquakePotentialEvaluationBasedontheLoad/UnloadResponseRatioMethod[J].ConcurrencyandComputation:PracticeandExperience,2010，22：1520-1533.

[12]RundleJB,TiampoKF,KleinW,etal.Self-organizationinLeakyThresholdSystems:TheInfluenceofNear-meanFieldDynamicsandItsImplicationsforEarthquakes,Neurobiology,andForecasting[J].ProcNatlAcadSciUSA,2002,99:2514-2521.

[13]JaumeSC,SykesLR.EvolutionTowardaCriticalPoint:aReviewofAcceleratingSeismicMoment/EnergyReleasepriortoLargeGreatEarthquakes[J].PureApplGeophys,1999,155(2-4):279-305.

[14]SmithSW,SammisCG.RevisitingtheTidalActivationofSeismicitywithaDamageMechanicsandFrictionPointofView[J].PureApplGeophys,2004,161(11-12):2393-2404.

[15]YinXC,ZhangLP,ZhangHH,etal.LURR’sTwentyYearsandItsPerspective[J].PureApplGeophys,2006,163(11-12):2317-2341.

[16]YuHZ,YinXC,ZhuQY,etal.StateVector:ANewApproachtoPredictionoftheFailureofBrittleHeterogeneousMediaandLargeEarthquakes[J].PureApplGeophys,2006,163(11-12):2561-2574.

[17]余怀忠,程佳,张小涛,等.多方法联合分析2010年全国地震的发展趋势[R].北京:中国地震台网中心,2010:497-505.

YUHuai-zhong,CHENGJia,ZHANGXiao-tao,etal.Multi-methodsCombinedAnalysisofEarthquakePotentialinChina,2010[R].Beijing:CENC,2010:497-505.

[18]余怀忠,张小涛,程佳,等.PI-LURR-SV-AER多方法联合分析我国大陆的地震趋势[R].北京:中国地震台网中心,2012:208-210.

YUHuai-zhong,ZHANGXiao-tao,CHENGJia,etal.PI-LURR-SV-AERMulti-MethodsCombinedAnalysisofFutureEarthquakePotentialinChina[R].Beijing:CENC,2012:208-210.

[19]余怀忠,张小涛,程佳,等.多方法组合预测2014年中国大陆地震趋势[R].北京:中国地震台网中心,2013:226-235.

YUHuai-zhong,ZHANGXiao-tao,CHENGJia,etal.Multi-MethodsCombinedAnalysisofEarthquakePotentialinChina,2014[R].Beijing:CENC,2013:226-235.

[20]TiampoKF,RundleJB,McGinnisSA,etal.PatternDynamicsandForecastMethodsinSeismicallyActiveRegions[J].PureApplGeophys,2002,159(10):2429-2467.

[21]RundleJB,TiampoKF,KleinW,etal.Self-organizationinLeakyThresholdSystems:TheInfluenceofNear-meanFieldDynamicsandItsImplicationsforEarthquakes,Neurobiology,andForecasting[J].ProcNatlAcadSciUSA,2002,99:2514-2521.

[22]BowmanDD,OuillonG,SammisCG.etal.AnObservationTestoftheCriticalEarthquakeConcept[J].JGeophysRes,1998,103(24):359-372.

[23]ZhangYX,WuYJ,YinXC,etal.ComparisonbetweenLURRandStateVectorAnalysisBeforeStrongEarthquakesinSouthernCaliforniaSince1980[J].PureApplGeophys,2008,165(3-4):737-748.

[24]BufeCG,VarnesDJ.PredictiveModellingoftheSeismicCycleoftheGreaterSanFranciscoBayRegion[J].JGeophysRes,1993,98:9871-9883.

[25]Ben-ZionY,LyakhovskyV.AcceleratedSeismicReleaseandRelatedAspectsofSeismictyPatternsonEarthquakeFaults[J].PureApplGeophys,2002,159(10):2385-2412.

[26]TurcotteDL,NewmanWI,ShcherbakovR.Micro-andMacro-scopicModelsofRockFracture[J].GeophysJInt,2003,152:718-728.

[27]SornetteD,SammisCG.ComplexCriticalExponentsfromRenormalizationGroupTheoryofEarthquakes:ImplicationsforEarthquakePredictions[J].JPhysI,1995,5:607-619.

Retrospective Test of Strong Earthquakes in Sichuan—Yunnan Region Using a Combination of Multi-methods

ZHOU Fa-ren1, YU Huai-zhong2

(1.InstituteofEarthquakeScience,CEA,Beijing100036,China; 2.ChinaEarthquakeNetworksCenter,Beijing100045,China)

Abstract：This study develops a composite approach for the evaluation of seismic hazards using a combination of four methods: PI (Pattern Informatics),LURR (Load/Unload Repose Ration),SV (State Vector),and AMR (Accelerate Moment Release).The PI method is firstly used to locate changes surrounding the epicenters of large earthquakes,thus objectively quantifying anomalous areas (hot spots) relating to upcoming events.Areas where large earthquakes are expected are then detected by covering the hotspots with circular critical regions from low to high latitude and longitude.The short-to-intermediate-term earthquake potential in critical regions are evaluated using the LURR and SV methods.Finally,the AMR method is used to assess the timing and magnitude of the predicted earthquake in each critical region.Retrospective tests of this approach for large earthquakes with magnitudes greater than 5.5 in the Sichuan—Yunnan region from 2012-01-01 to 2014-12-31 show that most of the earthquakes occurred in the predicted seismic hazard regions.The predicted timing and magnitude correlate well with actual earthquakes.For some earthquakes,such as the Aug.31,2013 M5.9 Zhongdian earthquake,significant anomalies are found when the combined approach is used,which are not detected using a single method.Thus,by using the approach,it is possible to screen out false-alarms that occur when using a single method,without reducing the hit rate,and therefore effectively augment the predictive ability.The results show that in comparison with the use of any single method,this combined approach may provide clear information and constraints for use in future seismic hazard assessments.

Key words：combination of multi-methods; Sichuan—Yunnan region; earthquake prediction; retrospective test

DOI:10.3969/j.issn.1000-0844.2016.02.0268

中图分类号:P315.2

文献标志码：A

文章编号:1000-0268(2016)02-0268-10

作者简介：周发仁(1989-)，男，硕士研究生，主要研究方向为地震活动性研究。E-mail：zhoufaren@163.com。

基金项目：地震科技星火计划项目(XH12058)；中美国际科技合作项目(2010DFB20190)

收稿日期:①2015-07-14