目前研究已知地震与海啸发生的同时伴随着事件发生地地磁场的变化。对于地震而言，首要表现为压磁效应，即由于断层大规模累积应力的突然释放而导致地磁场变化；对于海啸而言，则是海水突然运移导致大气压力的改变，进而影响大气电离层，使得地磁场突然发生变化。上述两种事件所导致的地磁场变化都能被位于不同地点的观测网络站点观测到。由于电磁波是以光速传播的，所以该新技术的显著的优势就在于速度，通过监测地磁场的变化能够立即探测到事件的发生。但由于不同站点所监测到的地磁场信号是波动的，因而如何确定所探测到的磁场发生了异常是整个研究的关键所在，这决定了该技术的核心在于预测正常磁场的具体位置。
研究人员专门开发出一套用于检测并评估日本不同地点地磁场，特别是观测站点地磁场的方法。研究人员运用了目前最先进的称为“深度神经网络”（DNN）的机器学习算法。借助该算法，使机器通过对大量历史检测结果的学习来创建并优化一种极为复杂的多层操作集，从而实现对所检测到的数据向地图的精准映射。研究人员利用2015年所获取的50万个数据点，创建了一个能够预测观测点磁场变化的网络，其预测精度是迄今为止最高的。同时，由于DNNs相对较低的计算成本，使得该系统能够配合高灵敏性探测网络，实现对地震与海啸的光速探测，从而形成有效的预警系统以最大程度减轻灾害损失及人员伤亡。
参考资料：
[1] Fast, accurate estimation of the Earth's magnetic field for natural disaster detection. https://www.sciencedaily.com/releases/2018/10/181014142703.htm
[2] Neural network based geomagnetic estimation for multi-site observation system. IEICE Communications Express, 2018, 7 (10): 352
（中国科学院兰州文献情报中心 张树良 编译）
