EarthquakeNPP: A Benchmark for Earthquake Forecasting with Neural Point Processes

该论文提出了名为 EarthquakeNPP 的基准测试平台，旨在通过引入更严谨的数据集和评估协议来弥补现有神经点过程（NPP）基准的缺陷，实验结果表明当前测试的 NPP 模型在加州地震预测任务中均未能超越经典的 ETAS 模型，暗示其尚未具备实际预报能力。

要点

这篇论文讲述了一个关于**“如何预测地震”的有趣故事，它就像是一场“机器学习新选手”与“地震学老专家”之间的比武大会**。

为了让你轻松理解，我们可以把地震预测想象成**“预测未来的天气”，但这次预测的不是下雨，而是“哪里、什么时候会发生地震”**。

1. 背景：老专家 vs. 新选手

• 老专家（ETAS 模型）：
  在地震学界，有一个叫ETAS的模型，它已经用了几十年。你可以把它想象成一位经验丰富的老中医。它有一套固定的“药方”（数学公式），专门研究地震的规律：比如，一次大地震（主震）发生后，周围通常会有一连串的小地震（余震），就像大石头砸进水里激起的涟漪。老专家非常擅长处理这种“涟漪”，而且它知道怎么根据地震的**大小（震级）**来调整预测。

• 新选手（神经点过程 NPPs）：
  近年来，人工智能（机器学习）大爆发，出现了一群叫神经点过程（NPPs）的新模型。它们就像刚毕业的 AI 天才少年。这些少年非常聪明，能处理极其复杂的数据，不需要死记硬背固定的公式，而是通过“学习”海量数据自己找规律。大家原本以为，这些 AI 少年一定能打败老专家，预测得更准。

2. 问题：之前的比赛不公平

在写这篇论文之前，AI 界其实已经做过一些测试，但作者发现之前的比赛“作弊”了：

• 漏掉了大考： 之前的测试数据里，竟然把日本历史上最大的地震（2011 年东日本大地震）给删掉了！这就好比考试时把最难的大题删了，只让 AI 做简单的填空题，分数自然很高，但这没有真实意义。
• 时间穿越了： 之前的测试把“未来的数据”偷偷塞进了“过去的训练”里（数据泄露）。这就像考试时，学生提前看到了答案，当然能考满分。
• 没跟老专家比： 之前的测试只跟其他 AI 比，没跟真正在地震局工作的“老专家”（ETAS）比。

3. 新比赛：EarthquakeNPP 平台

为了解决这些问题，作者们（来自英国布里斯托尔大学）建立了一个全新的、公平的**“比武平台”**，叫 EarthquakeNPP。

• 场地： 他们用了美国加利福尼亚州（地震多发区）从 1971 年到 2021 年的真实地震数据。
• 规则：
  1. 数据完整： 包含所有大小地震，包括那些巨大的主震和余震。
  2. 时间顺序： 严格用“过去”的数据训练，用“未来”的数据测试，绝不允许时间穿越。
  3. 公平对手： 让 5 种最先进的 AI 模型（新选手）和 ETAS（老专家）直接 PK。

4. 比赛结果：老专家赢了！

结果让很多人意外：在所有的测试中，没有任何一个 AI 新选手能打败老专家 ETAS。

• 平时表现： 在地震比较平静的“日常”时期，AI 们表现还不错，甚至有时候比老专家更灵活，能捕捉到一些细微的变化。
• 关键时刻掉链子： 一旦发生重大地震（比如 7 级以上的强震），AI 们就懵了。它们无法像老专家那样，根据主震的巨大能量准确预测出随后会有一连串猛烈的余震。
  • 比喻： 就像 AI 能预测明天会不会下小雨，但一旦遇到台风天（大地震），它们就完全算不准雨有多大、会持续多久。

为什么 AI 输了？
作者分析了原因，就像给 AI 学生做“体检”：

1. 不懂“震级”的重要性： 老专家知道，震级越大，引发的余震越多、范围越广（像大石头激起的涟漪更大）。但 AI 们没有把这个“大小”的概念显式地写进公式里，导致它们对大震反应迟钝。
2. 记性不够长： 地震的影响可能持续很久，甚至几十年。老专家能记住很久以前的地震，但 AI 为了算得快，只记住了最近 20 次地震，把“历史”给忘了。
3. 训练和考试不匹配： AI 平时训练是预测“下一个地震”，但实际应用中需要预测“未来一整天的地震序列”。这种训练和考试方式的错位，导致它们在实际模拟中表现不佳。

5. 结论与未来：不是 AI 不行，是还没练好

这篇论文并没有说“人工智能不能预测地震”，而是说**“目前的 AI 技术还不足以替代老专家用于实际的地震预警”**。

作者提出了四个改进方向（Action Items），就像给 AI 学生布置的“暑假作业”：

1. 学会看“大小”： 让 AI 明确地理解地震震级对后续影响的重要性。
2. 增强“记忆力”： 设计能记住更久远历史数据的 AI 架构。
3. 对齐“考试目标”： 让 AI 的训练方式更贴近实际的预测需求（比如模拟一整天的地震序列）。
4. 结合“物理常识”： 不要完全抛弃物理规律，把老专家的物理公式（比如能量衰减规律）和 AI 的灵活性结合起来，搞个“混合双打”。

总结

这就好比自动驾驶汽车的发展：现在的 AI 在高速公路上开得很好（平静时期），但在遇到极端恶劣天气或突发事故（大地震）时，还比不上人类老司机（ETAS 模型）稳当。

EarthquakeNPP 这个平台就像是一个**“驾校训练场”，它提供了真实、公平的数据和考试标准。虽然目前 AI 还没拿到“驾照”（无法直接用于官方预警），但这个平台将帮助科学家和工程师们找到 AI 的短板，通过不断的“特训”，未来或许真能造出既聪明又稳重的“地震预测 AI 老司机”**。

技术摘要

这篇论文《EarthquakeNPP: A Benchmark for Earthquake Forecasting with Neural Point Processes》（EarthquakeNPP：基于神经点过程的地震预测基准）由 Samuel Stockman、Daniel Lawson 和 Maximilian Werner 撰写，发表于 Transactions on Machine Learning Research (2026 年 3 月)。

以下是对该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 现有挑战： 地震预测领域长期以来依赖经典的点过程模型，特别是Epidemic-Type Aftershock Sequence (ETAS) 模型。尽管机器学习社区近年来提出了神经点过程 (Neural Point Processes, NPPs)，声称具有更高的灵活性和性能，但现有的 NPP 基准测试存在严重缺陷：
  • 数据泄露 (Data Leakage)： 之前的基准（如 Chen et al., 2021 在日本数据集上的工作）使用了非时间顺序的切分方式（交替分割），导致模型在训练时“看到”了未来的数据，人为 inflated 了性能。
  • 关键数据缺失： 之前的基准剔除了该地区最大的地震序列（如 2011 年日本东北大地震），而这正是地震学界最关注、最具破坏性的预测对象。
  • 缺乏对比： 现有研究很少将 NPP 与地震学界的黄金标准（如 ETAS 模型）进行直接对比。
• 核心问题： 当前的 NPP 模型是否真的优于传统的 ETAS 模型？现有的基准测试是否真实反映了实际地震预测的需求？

2. 方法论 (Methodology)

为了解决上述问题，作者提出了 EarthquakeNPP，这是一个标准化的基准测试平台。

• 数据集构建 (Datasets)：

  • 涵盖了美国加利福尼亚州多个区域（从全加州到圣哈辛托断层带等），时间跨度为 1971 年至 2021 年。
  • 数据来源包括 USGS ComCat、SCEDC（南加州地震中心）、White 等人构建的高分辨率目录以及 QTM 目录。
  • 关键预处理： 严格处理了地震目录的完整性 (Completeness) 问题。通过设定不同的震级阈值 ($M_c$)，确保训练和测试数据在时间上严格分离（Chronological Split），模拟真实的操作预测场景，杜绝数据泄露。
  • 数据集包含不同震级阈值（如 $M_w \ge 2.0, 2.5, 3.0$），以探索小震级事件对预测的影响。

• 基准模型 (Baseline Models)：

  • ETAS 模型： 作为主要的对比基准。这是一个参数化的时空 Hawkes 过程，显式地建模了地震的触发机制（包括震级依赖性、时间衰减和空间衰减）。
  • 待测 NPP 模型： 选取了 5 种具有代表性的时空神经点过程模型：
    1. NSTPP (Neural Spatio-Temporal Point Process)
    2. DeepSTPP (Deep Spatio-Temporal Point Process)
    3. AutoSTPP (Automatic Integration for Spatiotemporal Neural Point Processes)
    4. DSTPP (Spatio-temporal Diffusion Point Process)
    5. SMASH (Score Matching-based Pseudolikelihood Estimation)

• 评估指标 (Evaluation Metrics)：

  • 对数似然 (Log-Likelihood)： 包括时间对数似然和空间对数似然，这是 NPP 文献中的标准指标。
  • CSEP 一致性测试 (CSEP Consistency Tests)： 引入地震学界的黄金标准。通过模拟生成 10,000 次重复的地震序列，评估模型在时间、空间、似然和震级四个维度上的校准度（Calibration）。这要求模型必须是生成式 (Generative) 的，能够模拟完整的地震序列。

3. 主要贡献 (Key Contributions)

1. EarthquakeNPP 平台发布： 提供了一个开源的、标准化的基准平台，包含经过严格清洗和预处理的地震数据集、ETAS 基准实现以及评估协议。
2. 纠正现有基准的缺陷： 修复了之前 NPP 基准测试中的数据泄露问题，并重新纳入了被忽略的重大地震序列。
3. 严格的对比实验： 首次在同一框架下，使用地震学界认可的指标（CSEP 测试）和机器学习指标（对数似然），将 5 种先进的 NPP 模型与 ETAS 模型进行了全面对比。
4. 深入分析 NPP 的局限性： 通过实验结果揭示了当前 NPP 架构在地震预测中的具体短板，并提出了改进方向。

4. 实验结果 (Results)

实验结果表明，在当前的设置下，没有任何一种被测试的 NPP 模型能够全面超越 ETAS 模型。

• 对数似然表现：

  • ETAS 在空间对数似然上始终优于所有 NPP 模型。 特别是在高震级、强聚集的地震序列中，ETAS 表现最佳。
  • NPP 在背景期表现尚可： 在没有大震发生的“背景”时期，部分 NPP（如 AutoSTPP, DeepSTPP）在时间对数似然上表现接近甚至略优于 ETAS，因为它们能更好地捕捉非平稳的背景活动。
  • 大震序列中的失败： 在 2010 年 El Mayor-Cucapah (M7.2) 和 2019 年 Ridgecrest (M7.1) 等大震序列期间，NPP 模型的性能急剧下降，无法像 ETAS 那样有效捕捉由震级驱动的后震级爆发。

• CSEP 一致性测试：

  • ETAS 表现最稳健： 在所有数据集和测试中，ETAS 的通过率最高，KS 统计量最低，表明其校准度最好。
  • 生成式 NPP 的缺陷：
    • SMASH： 预测波动极大（spiky），经常出现过预测或欠预测，导致一致性测试失败率高。
    • DSTPP： 预测过于平滑，系统性地低估了地震活动率（包括背景活动和活跃期），导致在大多数测试中失败。
  • 无法评估的模型： 由于计算效率问题（采样太慢），NSTPP、DeepSTPP 和 AutoSTPP 无法进行 CSEP 所需的 10,000 次序列模拟，这限制了它们在实际操作预测中的应用。

• 计算效率：

  • ETAS 的训练时间随事件数量呈 $O(n^2)$ 增长，但在模拟（Inference）阶段效率很高（$O(n \log n)$）。
  • 部分 NPP 模型（如 NSTPP）训练成本极高，且难以进行大规模模拟。

5. 讨论与未来方向 (Discussion & Significance)

论文指出，NPP 未能超越 ETAS 的主要原因在于缺乏对物理机制的显式建模，特别是震级依赖性 (Magnitude Dependence)。

• 核心差距： ETAS 显式地编码了震级与触发率之间的指数关系（大震引发更多后震），而目前的 NPP 大多忽略了这一特征，或者未能有效学习它。
• 未来改进建议 (Actionable Directions)：
  1. 编码显式的震级依赖： 引入分层编码或震级加权注意力机制，让 NPP 能够区分大小震并模拟其不同的触发效应。
  2. 设计可扩展的长程记忆机制： 解决 NPP 因计算成本而截断历史事件的问题，使其能像 ETAS 一样利用长历史（包括远距离的大震）来预测未来。
  3. 对齐生成式训练与操作评估： 调整训练目标，使其不仅关注单点预测，还要优化长序列模拟的统计特性，以符合 CSEP 评估标准。
  4. 融合经验定律： 采用混合架构，将神经网络的灵活性与 ETAS 中经过验证的幂律缩放关系（Power-law scaling）相结合。

意义：
EarthquakeNPP 不仅揭示了当前深度学习模型在地震预测领域的局限性，也为未来研究提供了明确的路线图。它强调了在将 AI 应用于高风险领域（如地震）时，必须尊重领域知识（Domain Knowledge）和物理约束，并采用严格的、符合实际操作需求的评估标准。该平台将促进地震学与机器学习的深度合作，推动下一代可操作地震预测模型的发展。