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次強震誘發的近40萬處滑坡，建立了目前全球最大的地震誘發滑坡數據庫，結合深度學習算法研發了全球首個地震誘發滑坡近實時智能預測模型。

　　該模型能夠實現一分鐘內預測全球任何地震誘發滑坡的空間概率，平均精度達82%。這一科研成果以《深度學習實現全球地震誘發滑坡預測》為題，于近日在國際頂級期刊《國家科學評論》發表。

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

　　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滑坡數據庫，并將地震事件劃分為環太平洋和阿爾卑斯—喜馬拉雅兩大地震帶及寒帶、溫帶與赤道帶三大氣候區，以提升不同區域地質環境條件下模型的泛化能力。

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

　　與傳統機理和統計模型相比，此次推出的地震誘發滑坡近實時智能預測模型平均預測準確率達82%，比國際現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，實現了地震誘發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。