氣象署AI 3｜人工智慧有助地震警報 地牛翻身5秒內警鈴大作（獨家）
【記者王良博／台北報導】台灣地震頻繁，民眾對地震時發出的國家級警報已經相當熟悉，隨著人工智慧（AI）的發展，氣象署也和學界合作，開發AI地震警報系統，希望藉此提升警報速度或準確度。以台科大研發的地震警報系統來說，地震發生後4秒到5秒就能發出警報，比現行約7秒到10秒快上許多，能爭取到更多應變時間，不過，準確度仍不夠穩定，因此還不能當成國家級警報的發布依據。
地震警報2016年5月首度發布
民眾耳熟能詳的國家級警報，正式名稱是「災防告警訊息」（PWS），2016年5/3地震資訊正式納入國家級警報的範圍，同一年5/6花蓮近海發生規模4.7地震，是地震國家級警報首度發布。
在目前的技術之下，地震無法被預測，因此地震國家級警報也不是「地震預報」，而是靠著氣象署在全台各地佈建許多地震測站，只要偵測到有地震發生，就根據初步記錄到的地震情況，讓機器推估後續的地震規模，並對有風險的地區發出警報，藉此爭取預警時間。
台灣地震頻繁，為了避免過於擾民，地震國家級警報必須符合「預估規模達5.0，且預估震度達4級」，或者「預估規模達5.0，且預估震度達4級」這兩個條件之一，才會發布。
獨家｜10億超級電腦裝GPU精準預測 氣象署AI遇山陀兒也有極限
氣象署AI 2｜合作輝達打造CorrDiff模型 助天氣預報又快又準（獨家）
AI讓地震警報發布更快速
隨著AI近年蓬勃發展，氣象署也與台科大、中央大學合作，希望透過AI技術，讓地震國家級警報發揮更大的效益。
台科大已經研發出一套AI地震警報系統，氣象署地震測報中心科長陳達毅說，台科大這套系統是建立出一個AI模型，當地震發生時，抓取初步的震波，讓AI去預估可能帶來多大程度的震動，再對震度比較大的地區發出警報。
陳達毅指出，相較於現行的地震國家級警報系統，台科大系統不會受到震央定位錯誤或規模預估出錯，影響警報準確性，且只需要1個到2個地震測站的資訊，就可以進行後續規模、震度預估，作業時間更快。
他也提到，現行地震國家級警報，大約在地震發生後7秒到10秒可以發出警報，透過台科大這套系統，僅需4秒到5秒，節省作業時間主要是因現行模式需要好幾個地震測站資料才能預估，而台科大系統不需要等那麼多地震測站都測得震波，就能進行作業。
廣告
AI易高估地震尚未實際上路
然而，台科大這套以AI進行地震警報的系統，並非沒有缺點。陳達毅指出，多數地震通常是初期的震波較小，之後才變大，但有些地震一開始的震波就非常明顯，AI遇到這種情況容易高估震度。
他表示，以去年下半年的測試來說，台科大系統高估地震震度的情況約有3成，出錯率仍高，因此目前還不能用於實際發布地震國家級警報。
對於台科大地震警報系統的不足之處，可以如何改善，陳達毅認為，未來更先進的AI技術可能會有幫助，氣象署也在思考，如何讓現行地震警報模式跟台科大系統一起搭配運作。
TTSAM讓震度預估更精準
除了台科大之外，中央大學地震災害鏈風險評估及管理研究中心也做出一套「深度學習的端對端區域型地震預警模型」（Taiwan Transformer Shaking Alert Model，簡稱TTSAM），同樣是以AI來進行地震警報。
針對TTSAM的運作方式，陳達毅解釋，TTSAM跟台科大系統一樣，是用地震初期的震波，去預估後面的震度，不過，TTSAM需要約4個到5個地震測站的資料，才能做出預估。
他也提到，TTSAM進行震度預估需要的地震測站資料較多，因此作業速度不比現行地震國家級警報更快，但是不會因為震央位置判斷錯誤而影響預估結果，有著穩定性較佳的好處。
對於TTSAM是否會納入氣象署地震國家級警報的發布依據，陳達毅指出，TTSAM預計今年開始進行測試，但至少得經過1年到2年的測試，才能評估是否納入實際的地震警報發送依據。
台科大系統、TTSAM各有優勢
至於台科大地震警報系統，以及中央大學的TTSAM誰比較厲害，陳達毅認為「各有優缺點」，台科大系統只能針對地震測站所在位置，進行震度預估，無法預估其他地方的震度，但僅需要1個到2個地震測站的資訊，就能預估震度；TTSAM則需要比較多地震測站資訊，因此速度較慢，但預估震度的範圍比較廣泛。
陳達毅舉例，假設一個地震發生於花蓮，台科大的系統可迅速針對花蓮地區發出警報，但高雄地區則必須等到震波傳遞至高雄，才會發出警報。TTSAM則是一旦花蓮周遭有4個到5個測站，測得地震波，就能針對高雄也發出警報。
在此案例當中，台科大系統對於花蓮地區的警報效果比較好，而TTSAM對高雄地區較有實用性。
陳達毅直言，台科大系統與TTSAM若能結合，才能發揮最佳效益。他也提到，未來氣象署會希望把不同的AI地震警報系統，以及現行的模式結合，綜合來進行是否發布地震國家級警報的判斷。
