人工智能（AI）技术已逐渐成为监测与研究人类活动诱发地震（AEs）的重要工具。然而，地震信号模式复杂、数据信噪比（SNR）低、监测网络覆盖有限等问题，严重制约了AI技术在AEs领域的实际应用。本研究系统综述了AI技术在AEs研究中的最新进展，分析了当前技术面临的瓶颈，并对未来发展方向提出了具体建议，以期为AI在AEs监测预警、灾害防控与风险管理等领域的应用提供科学依据。

近年来，人工智能技术在人类活动诱发地震研究中的应用文献数量显著增加，但对于不同类型AI模型及其所面临科学挑战的系统总结仍然缺乏。中国地震局地球物理研究所翟鸿宇副研究员团队通过全面梳理AI技术在该领域的最新进展，明确了目前AI技术应用的三大核心挑战：（1）复杂信号条件下特定人类活动诱发地震事件的准确识别困难；（2）数据规模受限导致模型泛化性能不足；（3）缺少能够跨场景处理事件识别、检测和分类任务的综合模型。

为解决上述技术瓶颈，本研究明确了AI在AEs领域的五个核心应用方向：1）事件识别与分类；2）弱信号检测；3）地震相位拾取；4）精确定位；5）诱发地震风险评估。同时，本研究进一步提出物理信息融合、迁移学习（TL）以及混合建模技术三项关键技术突破，这些方法有效促进了传统地球物理学方法与AI技术的深度融合，为提升AEs监测精度和灾害预测能力提供了重要的新思路。

研究结果表明，上述技术策略有效提升了AI模型在地震学研究中的鲁棒性与泛化能力。文章系统评估了各应用方向代表性模型的实际性能，深入分析了现存技术瓶颈，并进一步提出了未来研究的重点方向：（1）加强多源异构数据集的建设；（2）提高模型跨区域泛化能力；（3）推进物理机理与数据驱动方法的协同创新。上述研究建议的实施，将为准确把握AI技术在诱发地震研究领域的发展趋势及潜在应用价值提供重要支撑。

图1 各类人类活动诱发地震事件示意图

图2 人工智能技术框架与方法概述

本研究成果已于2025年发表在学术期刊《Artificial Intelligence Review》（Li J, Zhai H, Jiang C, Wang Z, Wang P, Chang X, Zhang Y, Wei Y, Si Z (2025) Application of artificial intelligence technology in the study of anthropogenic earthquakes: a review. Artificial Intelligence Review 58(5): 155. doi:10.1007/s10462-025-11157-2）。研究受国家自然科学基金项目（42274150, 42474084）资助。

【作者简介】

第一作者：李经纬，博士研究生，主要从事诱发地震研究。E-mail: lijingwei@cea-igp.ac.cn

通讯作者：翟鸿宇，中国地震局地球物理研究所副研究员，硕士生导师，非天然地震学研究室副主任，主要从事水力压裂诱发微地震监测与岩石物理实验研究。主持多项国家自然科学基金项目、中国博士后科学基金项目等，参与青海共和干热岩试采地震监测与风险评价项目。发表SCI文章25篇，其中第一作者及通讯作者文章9篇。E-mail: zhaihy@cea-igp.ac.cn