1 研究背景

地震是一种破坏力极强的自然灾害，通常会给地震区域的人带来巨大的生命财产损失。地震预测是通过观测和分析一系列地震前兆数据提前几天乃至更长时间对将来可能发生的地震进行预警。这种预警方式可以给震区提供更多的防震准备，从而降低损失。但地震预测又是一个原理复杂，学科交叉广泛的科学难题。

地震是板块碰撞引起的地壳形变和振动，是一种破坏力极强的自然灾害。我们国家的云南四川地区，由于位于亚欧板块和印度洋板块边界，板块活动强烈，因而地震频发。根据国家地震局的官方统计数据（https://www.cea.gov.cn），2022年全国共发生5级以上地震53次，大陆地区共发生地震27次，其中有9次发生在四川云南地区，占大陆地区全年5级以上地震发生次数的33%。2008年汶川M_S 8.0地震造成约10万人死亡（曾小苹，2011），近期地震，如2022年5月四川雅安芦山M_S 6.1地震和2022年9月四川甘孜泸定M_S 6.8地震，给当地房屋、道路以及公共设施造成了不小损失。

20世纪80年代，中国地震局联合各省地震局开展了以流动地磁总强度观测为手段的地震监测，同时开展了相应的地震预测探索研究，根据磁场变化异常特征，获得了一些较为成功的地震预测案例，为深入的研究提供了经验与基础（詹志佳，1990）。震磁关系相关的文献表明，地震与地磁间存在某种关系（乔子云，2007）。

虽然之前的案例说明地磁异常与地震之间存在某种关系，但是由于发震过程的不透明性，受多重物理化学过程相互影响的因素，导致目前并没有一个基于传统统计分析的理论和模型可以用于解释这种关系。本文利用磁震关系构建地震预测模型取得了一些进展，获得了很好的效果。

2 磁异常提取算法

将基于统计分析的方法构建一个可以反映二者间关系的模型，这种模型是通过磁异常窗口提取算法构建的。模型将从4部分展开，分别是数据描述、数据预处理、基于窗口异常提取的地震预测模型。

2.1 数据描述

研究数据分为2类：地磁数据和地震数据。

（1）地磁数据。地磁观测数据由布设于研究区域的71个地磁仪采集得到（101.71°—102.62°E，27.29°—28.92°N，见图 1），地磁仪每3—9 s采集一次数据，采集的数据分为三维磁分量：X分量、Y分量和Z分量，每日每台地磁仪观测数据量为33 000至35 000条之间，数据采集从2021年10月1日0时开始安装建成，经过3个月的调试修正，于2022年1月1日正式试运行，由于数据的提取与实验的开展分别进行，所以需要借助中间服务器用作中转。这些数据通过网络分别上传到独立服务器的MySQL数据库中，存储的数据记录由4条属性组成，分别是：记录时间及X分量、Y分量、Z分量。

仪器采集到的数据为地磁三分量，本研究所用到的地磁数据是由三分量合成的地磁总场，单位为nT。

（2）地震数据。地震数据来源于中国地震台网（https://news.ceic.ac.cn/），按照空间范围（26°—31°N，100°—104°E），时间范围2022年1月1日—2022年12月31日，有感地震震级M_S＞3.0为限定条件（GB17740—1999）查询地震记录，共查到55条数据记录。以此为基础，将某次地震和地震发生后2天内发生的余震视作一次地震进行筛选，最终得到22条地震记录，具体信息见表 1。

2.2 数据预处理

本节叙述从采集到的原始数据到可信的研究输入数据的过程。理论上相近站点在磁震前兆发生时，磁场波形的变化具有相似性。鉴于各站点间距不远的特点，所以可以想到它们彼此间应该具有时空相似性，因此可以用相关性分析来开展站点筛选的工作。具体做法，选择一段地质活动稳定的时间段，在该时间段内没有地震发生，根据该时间段内采集到的地磁数据绘制其波形曲线，并计算各站点对应曲线之间的相关性，提取相关性高的站点作为有效站点。因为这段期间内受环境影响较小的站点波形形状应较为相似，在进行相关性分析后这些站点所采集到的数据和根据数据绘制的曲线也应当具有较高的相关性，所以可以根据站点相关性来筛选有效站点，具体筛选流程如图 2所示。当出现磁异常时，也要对有磁异常的站点进行相关性筛选，选择相关性强的站点参与磁异常提取算法。

2.3 磁异常窗口提取

在进行完以上数据获取、站点筛选、偏移校正后，我们就获得了可以用于分析地磁异常的站点数据了。

为了将震前的磁异常突变量化，本研究提出了一种窗口异常提取算法，这种算法的运行机理如下：

（1）在提取地磁异常时，以90 s为一个检测窗口，计算窗口内所有地磁数据的平均值，作为窗口均值。

（2）用窗口均值减去该站点背景值，得到二者差值。

（3）根据经验设定异常阈值，如果差值的绝对值超过该阈值，则记录该窗口为异常窗口，并在专门的CSV文件中添加一条异常记录（异常记录项包括窗口起始时间，窗口均值，背景值，窗口变化值，阈值）；否则认为该窗口内地磁数据为正常数据，正常数据不用加入到之前所说的CSV文件中。

（4）模型构建：对所有异常窗口数据进行数据分析，找出磁震关系，进行预测。根据窗口异常提取算法可以得到每日的地磁异常，由于震前地磁异常通常会持续几个小时，因此可以得到一个猜想，如果以天为单位用柱状图绘制得到的每日地磁异常，那么在震前几天应当会看到一个明显高出正常值的异常条柱。

例如：2022年6月1日四川芦山地震，其地震数据如表 2所示。图 3所示是一段2022年6月1日四川芦山地震前后的地磁异常数据柱状图，图中黑色虚线处为地震发生时间，红色柱状线表示这一天的磁异常超过阈值。按照窗口异常提取算法计算每日地磁异常并绘制地磁异常柱状图序列，可以看到在6月1日地震前5天出现了一个超过阈值的红色柱子，它预示后面几天可能发生地震。

我们用这样的方法每天进行磁异常监测，出现红色柱状线表示发出此后几天可能有地震的预警。这样的观测持续一整年，其数据的观测、分析及结论见下节。

3 实验数据情况分析及结论

将上述算法用于分析2022年全年的地磁异常数据和地震发生情况，由于1月仪器还未完全运行，故分析和预测从2022年从2月1日至12月31日发生的磁异常和地震（见表 1中底色为深色的序号1—4，这些数据不予分析），统计时将短期内多天相邻的磁异常（如3月26日至3月29日连续4天的磁异常）用黄色底色区分，以及地震发生后2天内出现的磁异常（如4月6日M_L 3.4云南宁蒗地震发生后于4月8日又出现一次磁异常）算作同一次由地震引发异常序列，如表 1中同为黄色底色的为一次，这样计算在此期间就只发生16次地震，而我们监测到的超过阈值的磁异常有12+3次，具体见表 3（表 3中震例与表 1中序号相同）。

去掉表 1中灰色时段，期间发生18次地震，见表 3共13次地震前监测到磁异常，其中2次是震后出现，3次震前无磁异常，13次震前正确预警，预测正确率达到73%。18次地震有5次地震没有异常响应，漏报率27%，分别是2022年4月30日的云南丽江市宁蒗县M_L 4.2地震、2022年10月22日的四川泸定M_L 4.3地震、2022年6月20日的贵州威宁M_L 4.4地震、2022年11月16日四川凉山州会理市的M_L 4.3地震、2022年四川甘孜州泸定县的M_L 4.3地震。

4 结束语

通过以上模型对地震的预测情况可以看出，基于该模型可观测到震前大部分地磁异常，可预测监测网周边400 km范围内地震的发生，预测准确率达到73%，并且将发震时间锁定到异常发生后5天内，如表 3所示2022年5月四川雅安芦山M_S 6.1地震和2022年9月四川甘孜泸定M_S 6.8地震均提前4天给出预警，对于将地震预测实用化具有重要的参考意义。受限于仪器运行至今只有一年多时间，以上误报和漏报率还不稳定，但随着研究的进一步开展会越来越精确。