对于地震预警，在地震破裂初期，利用P波到达后最初几秒的信号准确预测最终震级大小非常有意义。同时，地震破坏区域的估计以及向目标场地发布预警信息也都依赖于准确的震级估计。目前，在地震预警震级估算研究中，大多采用是基于单个特征参数与震级的线性统计关系，包括峰值位移Pd、平均周期Tc等，我国地震预警系统中采用的震级估计方法是Pd方法。由于单个参数包含与震级相关的信息较少，震级估计结果有误差较大、小震高估和大震低估的问题。本文提出一个基于机器学习支持向量机和多参数输入的方法，目的是改进地震预警震级估计结果。
研究方法及结果：
1）利用日本K-NET强震动台网记录的3.0-7.4级地震事件和支持向量机建立了一个基于支持向量机的震级估计SVM-M模型，采用地震记录计算得到的12个特征参数作为SVM-M模型的输入。图1展示了对于相同测试数据集，在P波到达后3秒时，τc方法、Pd方法和SVM-M模型的震级估计误差与震级和信噪比的关系，结果表明SVM-M模型有更小的震级估计误差，且不受信噪比的影响。
2）P波到达后1-10秒时间窗内，基于SVM-M模型的单台震级估计如图2所示，在P波到达后1秒时，预测震级与实际震级即存在1:1的线性比例关系；随着P波时间窗的增加，预测震级逐渐接近实际震级，6级以上的震级低估问题得到很好的改善。同时，也可以推断：在地震破裂初期，地震的最终大小是可以确定的。
3）图3展示了基于SVM-M模型对46次地震事件的离线应用，表示了这46次地震事件在首台触发后，震级估计误差与随时间的演化。对于6.5级以下的地震事件和6.5级以上的地震事件，在首台触发1秒时，震级估计平均绝对误差分别是0.318和0.85；随着首台触发时间的增加，在首台触发后10秒时，震级估计平均绝对误差分别是0.171和0.161。
4）本文使用日本K-NET强震动台网的3.0-7.4级的地震事件训练得到了SVM-M模型，而对于7.5级以上的地震事件以及其他地区的地震事件还需要进一步的研究和验证。本文的结果表明：和τc方法、Pd方法相比，基于SVM-M模型的震级估计误差得到了改善，并且在首台触发后10秒内，可以对地震事件做出鲁邦的震级估计；SVM-M模型在地震预警系统中有良好的应用潜力。
该成果发表在美国地震学会SSA旗下期刊《Seismological Research Letters》（Zhu Jingbao, Li Shanyou, Song Jindong*. Magnitude estimation for earthquake early warning with multiple parameter inputs and a support vector machine [J]. Seismological Research Letters, 2022, 93(1): 126–136. doi: 10.1785/0220210144）（IF：3.754，*通讯作者）。
图1 P波达到后3秒时，（a）τc方法、（b）Pd方法和（c）SVM-M模型的震级估计误差与震级和信噪比的关系
图2 P波到达后1-10秒，基于SVM-M模型的单台震级估计结果
图3 首台触发后，震级估计误差与随时间的演化
