记者10日从成都理工大学获悉，该校范宣梅教授团队基于过去50年来38次强震诱发的近40万处滑坡，建立了目前全球最大的地震诱发滑坡数据库，结合深度学习算法研发了全球首个地震诱发滑坡近实时智能预测模型。
　　该模型能够实现一分钟内预测全球任何地震诱发滑坡的空间概率，平均精度达82%。这一科研成果以《深度学习实现全球地震诱发滑坡预测》为题，于近日在国际顶级期刊《国家科学评论》发表。
　　过去的20年，全球强震频发，平均每月都会发生一次7.0级以上强震，累计夺去了约75万人的生命。强震诱发次生地质灾害是否具有普适性的发育分布规律和控制因素？是否可以建立一个适用于全球不同地质环境条件的强震诱发地质灾害预测模型？
　　面对这一地质灾害领域的国际前沿科学问题，中国科研人员从1970年以来全球范围内6.0级以上地震中筛选出38次典型事件，结合遥感智能识别与人工核验，解译了近40万处滑坡样本，建立了目前全球最大的地震诱发滑坡数据库，并将地震事件划分为环太平洋和阿尔卑斯—喜马拉雅两大地震带及寒带、温带与赤道带三大气候区，以提升不同区域地质环境条件下模型的泛化能力。
　　中国科研人员基于对强震诱发滑坡机理的认识，对17项影响因子进行了分析，发现地面峰值加速度、坡度与岩性是全球范围内地震诱发滑坡的主控因素。不同地震带—气候区的滑坡控制因子呈现显著空间分异性，反映了地质背景与气候外营力协同作用对滑坡动力过程的差异化影响。因此，模型采用“全球—区域双轨制”部署策略，充分优化网络参数的同时有效避免过拟合风险。
　　与传统机理和统计模型相比，此次推出的地震诱发滑坡近实时智能预测模型平均预测准确率达82%，比国际现有模型准确率提高了约20%，计算时间由原来的数天，缩短到小于1分钟，实现了地震诱发地质灾害的近实时预测。
　　中国科研人员计划未来将降雨预报和余震分析等更多触发条件纳入预测模型，同时结合人口、房屋、基础设施等数据，实现多因素驱动的地质灾害风险预测大模型，为全球防灾减灾提供中国方案。