Transformer地震预警模型：一种用于地震早期预警的新通用方法

地震对人类、建筑物和基础设施是主要危害。早期预警方法旨在提供即将到来的强震动的提前通知，以采取预防行动并减轻地震风险。其实用性取决于准确性（真实、漏报和误报之间的关系）和及时性（预警与强震动到达之间的时间）。当前方法由于简化建模或短预警时间而受到明显的偶然不确定性的影响。在此我们提出一种新颖的预警方法，即基于深度学习的transformer地震预警模型（TEAM），以缓解这些局限。TEAM实时分析任意位置任意数量台站的原始强震波形，使其易于适应变化的地震网络和预警目标。我们在两个高地震危险区域（日本和意大利）上评估TEAM，它们的地震活动具有互补性。在两个数据集上TEAM都大幅优于现有早期预警方法，提供准确且及时的预警。利用域适应，TEAM甚至对大于训练数据中任何事件的事件提供可靠警报，这一性质极为重要，因为许多区域中非常大事件的记录很稀少。