馬永 畢金孟 宋程 尚先旗

摘要：在可操作的地震預(yù)測研究過程中，構(gòu)建效能可評價、符合區(qū)域地震活動特點的預(yù)測模型是至關(guān)重要的。以地震活動頻發(fā)、地質(zhì)結(jié)構(gòu)復(fù)雜的華北地區(qū)為研究對象，選擇相對強度模型、力矩比模型和簡單平滑模型等3種地震概率預(yù)測模型，利用1970—2019年華北地區(qū)3.0級以上地震數(shù)據(jù)，以10a為異常學習時段，以1a為步長，分別開展1a、3a和5a尺度下5.0級以上地震的回溯性滑動預(yù)測研究。通過Molchan圖表法和T-test檢驗方法，對預(yù)測模型進行效能評估，優(yōu)化了模型參數(shù)，確定了3種預(yù)測模型的最佳計算參數(shù)，構(gòu)建了適合華北地區(qū)地震活動特點的不同時間尺度混合概率預(yù)測模型，并使用近10a的地震分析了華北地區(qū)當前的地震活動特征。?????? 關(guān)鍵詞：地震概率預(yù)測模型;效能評價;地震活動特征;華北地區(qū)

中圖分類號：P315.7文獻標識碼：A文章編號：1000-0666（2021）04-0572-11

0引言

華北地區(qū)作為中國七大地理分區(qū)之一，經(jīng)濟發(fā)展、文化繁榮、人口稠密，同時也是構(gòu)造活動強烈、地震活動頻繁、地質(zhì)災(zāi)害較為嚴重的地區(qū)之一。自有地震記錄以來，整個華北地區(qū)除鄂爾多斯板塊以外基本都有中強地震發(fā)生，對人民的生命財產(chǎn)安全造成了極大的損害。特別是1966年邢臺M7.2強震、1976年唐山M7.8強震將華北地區(qū)的地震活動推到高潮。鑒于華北地區(qū)地質(zhì)災(zāi)害的復(fù)雜性和地震活動的多樣性，使用現(xiàn)有海量的地震數(shù)據(jù)開展區(qū)域地震活動特征研究，對當前震情跟蹤和中強地震長期危險性分析具有非?，F(xiàn)實的意義。

在全球的“地震可預(yù)測性合作研究”（CSEP）計劃中，地震學家使用研究區(qū)域統(tǒng)一的地震目錄和嚴格的地震統(tǒng)計檢驗方法，對多種地震預(yù)測模型開展“競賽”式的回溯性預(yù)測檢驗，篩選出“優(yōu)勝”模型并進行前瞻性的預(yù)測，為可操作的地震預(yù)測（OEF）提供了堅實的理論基礎(chǔ)，為構(gòu)建更具減災(zāi)實效的OEF系統(tǒng)模型提供了可能性（Jordan et al ，2011，2014）。畢金孟和蔣長勝（2019）采用傳染型余震序列（ETAS）模型和Reseanberg-Jones （R-J）模型，對華北地區(qū)16次4.5級以上地震的序列參數(shù)進行擬合，得到穩(wěn)定的地震序列參數(shù)。馬干等（2009）根據(jù)華北地區(qū)2700多年的地震數(shù)據(jù)建立了地震活動性模型，并使用frankel（1995）提出的地震空間高斯平滑處理分析方法，獲得了華北地區(qū)主要城市的地震動參數(shù)，為區(qū)域抗震設(shè)防提供了重要的基礎(chǔ)數(shù)據(jù)。

隨著CSEP計劃的不斷發(fā)展和完善，地震學家開發(fā)出了大量的不同時間尺度、不同計算方法的地震預(yù)測模型。在當前國際地震可預(yù)測性研究中，為消除單一地震預(yù)測模型在地震預(yù)測中的局限性，人們試圖采用“揚長避短”的方式將不同的單一地震預(yù)測模型進行融合，形成混合概率預(yù)測模型，并進行預(yù)測效能檢驗。rhoades和Ger-stenberger（2009）將中長期尺度的EePas預(yù)測模型和PPE模型融合到STEP模型中，根據(jù)不同的融合方式形成5種混合模型，分別對5.0級以上地震進行了回溯性預(yù)測，結(jié)果表明所有的混合模型均優(yōu)于單一模型。Marzocchi和Jordan （2014）將ETAS模型、ETES模型和STEP模型等按不同的權(quán)重組合，構(gòu)建了意大利地區(qū)地震預(yù)測的OEF技術(shù)系統(tǒng)。美國“加州地震概率工作組”于2014年發(fā)展了統(tǒng)一的加州地震破裂預(yù)測模型（Field et al ，2014），將長期預(yù)測模型WG-CEP-UCERF 2與短期預(yù)測模型ETAS進行融合，解決了由于時間尺度的不同造成的對地震發(fā)生率預(yù)測的不一致問題。類似這種的混合模型在提高地震預(yù)測能力的同時，已逐漸成為OEF系統(tǒng)建設(shè)的主要選擇。為此，本文引入混合概率預(yù)測模型（以下簡稱“混合模型”）研究方法，使用1970—2019年華北地區(qū)3.0級以上地震數(shù)據(jù)，構(gòu)建適合華北地區(qū)活動特點的混合模型，分析該地區(qū)的地震活動特征，為該地區(qū)中強震的地震危險性判定、震情跟蹤以及可操作的地震預(yù)測模型構(gòu)建等提供模型基礎(chǔ)和科學參考。

1構(gòu)選背景及數(shù)據(jù)選取

本文以華北地區(qū)（30°～43°N，108°～125°E）為研究對象，該區(qū)域在印度板塊和太平洋板塊的共同擠壓作用下，塊體活動強烈、斷裂和褶皺發(fā)育、地震活動頻繁（李三忠等，2011）。在地質(zhì)構(gòu)造上，華北地區(qū)共展布有4條主要地震帶，分別是由山西地塹和渭河地塹地震活動組成的貫穿整個山西省的汾渭地震帶、橫跨燕山隆起和華北盆地直至渤海的張渤地震帶、斜穿河北平原并與張渤地震帶相交的河北平原地震帶和最東側(cè)NNE走向的郯廬地震帶（圖1）。

華北地區(qū)幅員遼闊，地震監(jiān)測能力不盡相同，監(jiān)測水平總體達到M1>2.0，在東部沿海地區(qū)達到M1=2.0，在部分地震重點監(jiān)視防御區(qū)和人口密集的主要城市達到了M1=1.5（劉瑞豐等，2007，2008）。筆者使用了中國地震臺網(wǎng)中心提供的《全國統(tǒng)一正式編目》地震目錄，遵照文中所用地震預(yù)測模型對地震序列信息的要求，從中挑選出了1970—2019年發(fā)生在研究區(qū)內(nèi)的8700次3.0級以上地震數(shù)據(jù)，其中5.0級以上地震203個，最大地震為1976年河北唐山的M7.8地震。從圖1可以發(fā)現(xiàn)，本文所用的地震數(shù)據(jù)幾乎覆蓋了除鄂爾多斯板塊以外的所有地區(qū)，而且在山西汾渭地震帶、河北平原地震帶和張渤地震帶上分布更為集中。受唐山M7.8地震的影響，研究區(qū)5.0級以上中強地震大多集中發(fā)生在唐山及其周邊地區(qū)，其余陸地上的中強地震均沿著活動斷裂帶聚集，滿足歷史地震活動重復(fù)發(fā)生的規(guī)律。圖2為所用研究數(shù)據(jù)的M-T圖，其中3.0級以上地震覆蓋整個研究時段，5.0級以上中強地震主要集中在發(fā)生1976年，其它年份發(fā)生中強地震的次數(shù)相對較少，每年基本為1～5次，但2004—2019年，除2006年和2013年在研究區(qū)域分別有1次和5次5.0級以上地震外，其他年份均無5.0級以上中強地震發(fā)生。

2研究方法

混合概率預(yù)測模型是指采用多種單一地震預(yù)測模型，這些模型的計算方法各不相同，從中篩選出預(yù)測效能最優(yōu)的幾種模型，按照一定的權(quán)重系數(shù)將其進行混合，經(jīng)過優(yōu)化設(shè)計后得到具有地區(qū)針對性的混合模型。利用混合模型研究區(qū)域地震活動特征，無論在確定性預(yù)測研究方面，還是在概率性預(yù)測領(lǐng)域都得到了廣泛的應(yīng)用，已成為地震活動性研究的一種重要方法（畢金孟，蔣長勝，2017）。本文利用相對強度（RI）模型、力矩比（MR）模型和簡單平滑（Triple -S）模型等3種單一地震預(yù)測模型，逐一對1970-2019年華北地區(qū)的3.0級以上地震，以10a為異常學習時段，以1a為分析步長，對5.0級以上地震分別開展1a、3a和5a尺度的回溯性滑動預(yù)測，并采用國際通用的Molchan圖表法、T-test等具有針對性的統(tǒng)計檢驗方法，評估每個模型的預(yù)測效能。為每種單一模型分配不同的權(quán)重因子，構(gòu)建適合華北地區(qū)活動特點的中強地震混合模型，并使用近10a的地震數(shù)據(jù)評估當下華北地區(qū)的地震活動特征。

2.1單一地震預(yù)測模型方法

RI模型是一種基于以往地震活動性來定性預(yù)測未來地震發(fā)生可能性的預(yù)測方法。該方法無需過多的定量計算和數(shù)據(jù)驗證，具有參數(shù)設(shè)置少、預(yù)測效果好、且僅用點源信息便可進行地震預(yù)測和危險性分析的優(yōu)點，在世界各國的地震預(yù)測中應(yīng)用廣泛（Nanjo ，2010，2011）。Tiampo等（2002）應(yīng)用RI算法在美國南加州地區(qū)進行“回溯”和“向前”預(yù)測研究，結(jié)果表明RI模型對于不同的時間尺度和不同的震級預(yù)測范圍均具有潛在的預(yù)測效能。其基本思路是首先把研究區(qū)域劃分為微型網(wǎng)格，每個網(wǎng)格長度為△x;其次統(tǒng)計在第i個網(wǎng)格，學習時間段（to-t1）內(nèi)震級M≥M的地震數(shù)目，其中第i個網(wǎng)格每天的平均地震數(shù)目用n（t，t1）表示;然后將地震數(shù)目的相對值作為RI的評分，具體RI評分表達式為n（to，t1）/nMAX，其中nMAX為n1（to，t1）中的最大值，取值范圍為0～1。數(shù)值越大的地區(qū)未來發(fā)生大地震的可能性就越高，反之，發(fā)生大震的可能性就越小。應(yīng)用RI模型算法預(yù)測的大地震一般發(fā)生在地震活動性相對較高的地區(qū)。

MR模型使用地震間隔時間的力矩比作為前兆預(yù)警指標，基于地震活動率與地震發(fā)生前背景地震活動性的長期異常變化關(guān)系開展地震預(yù)測。Talbi等（2013）利用日本氣象廳679—2012年的全日本地震綜合目錄數(shù)據(jù)，證明了MR模型對未來各階段均有較高的地震預(yù)測效能，特別是對于7.0級以上地震的預(yù)測能力明顯高于其他方法。具體步驟是通過每個位置點x和采樣網(wǎng)格尺寸r進行計算得到：

式中：和a分別是時間序列{的算術(shù)平均值和方差。為了確保用MR模型估計的最小精度和不同網(wǎng)格尺寸r結(jié)果的穩(wěn)定性，需設(shè)置一個最小樣本量n，計算過程中要求存在至少n個事件時計算出MR值。計算時在n，取值確定的前提下，網(wǎng)格r取值的大小直接影響MR模型的預(yù)測性能。

Triple -S模型是一種基于中強地震更容易發(fā)生在以往地震活動頻率較高的地方假設(shè)的地震預(yù)測方法，其突出優(yōu)點在于較少的參數(shù)設(shè)置和假設(shè)條件，不需要依據(jù)地震構(gòu)造特征來劃分潛在震源區(qū)，該方法利用了不同平滑函數(shù)，在世界各地得到充分應(yīng)用（Zechar，Jordan ，2010）。在計算過程中需將研究空間進行精細網(wǎng)格化，將發(fā)生地震的位置（xeqk，yeqk）在空間范圍[x1-x2，y1-y2]內(nèi)地震發(fā)生率的影響表示為：

然后，采用平滑函數(shù)對r進行平滑和歸一，并直接將其作為“平滑距離”，式中的K為kn（x，y）=，σ為用于平滑的參考距離。2π0

2.2模型預(yù)測效能評價方法

Molchan圖表法（Molchan，1997，2010）是根據(jù)預(yù)測結(jié)果與觀測目標地震之間的分布差異程度，預(yù)測研究區(qū)域強震的發(fā)震時間，并試圖給出概率解釋的一種統(tǒng)計檢驗方法。該方法不考慮預(yù)測地震或觀測目標地震的數(shù)量和震級，僅通過異常時空占有率（r）和漏報率（v）2個參數(shù)來進行預(yù)測效能統(tǒng)計評價，因其簡單客觀的評價特性，目前已在國際上廣泛地應(yīng)用于概率預(yù)測的統(tǒng)計檢驗和效能評估（蔣長勝等，2011）。其中，r是指達到和超出預(yù)測警報閾值的時空范圍與研究區(qū)域總的時空范圍的比值;v則是未達到預(yù)測警報閾值的時空范圍內(nèi)實際發(fā)震的次數(shù)與研究區(qū)內(nèi)總的實際地震數(shù)之比。概率預(yù)測最理想的預(yù)測效果是在預(yù)測成功率最大（v→0）情況下異常時空占有率最?。╮→0）。預(yù)測效能的評價一般情況下有兩種判別方式，一種是用1減去（r，v）曲線與橫、縱坐標軸所包圍面積的差，所得數(shù)值越大則預(yù)測效果越好;另一種是考察擊中數(shù)（h）所對應(yīng)的顯著性水平（a），通過比較r-v曲線上各點與顯著性水平等值線判斷預(yù)測效能。顯著性水平α值的計算公式為：

式中：N為實際發(fā)生地震總數(shù);h為擊中數(shù)，即在預(yù)測有震區(qū)域內(nèi)實際發(fā)震的地震數(shù)。

T-test是基于t-test（Student 1s）檢驗，依據(jù)樣本平均數(shù)與已知總體平均數(shù)的差異的顯著程度來評價不同模型預(yù)測效能平均分布情況的一種檢驗方法。通過對比的方法可以更好地篩選出模型中的最佳預(yù)測模型，構(gòu)建符合研究區(qū)域地震活動特征的優(yōu)勢預(yù)測模型。T-test的計算表達式為：

式中：N為研究樣本的總個數(shù);X為樣本平均數(shù);s為樣本標準偏差;μ為樣本總體期望值。

3模型參數(shù)優(yōu)化與預(yù)測效能評價

模型參數(shù)設(shè)置是構(gòu)建地震概率預(yù)測模型過程中非常關(guān)鍵的步驟之一，只有設(shè)定適合研究區(qū)域地震活動特征的模型參數(shù)，才能使預(yù)測模型達到最佳的預(yù)測效果。本文以研究區(qū)域內(nèi)5a尺度5.0級以上地震的回溯性概率預(yù)測為例，分別對3種單一地震預(yù)測模型設(shè)置不同的模型參數(shù)，并通過統(tǒng)計檢驗方法對每一種地震預(yù)測模型中不同參數(shù)預(yù)測效能進行評價。依據(jù)效能評分，從中選擇最優(yōu)參數(shù)，確保每種模型在研究范圍內(nèi)的預(yù)測能力達到最優(yōu)水平。

在RI模型的計算過程中，影響最終預(yù)測結(jié)果的模型參數(shù)主要是異常學習時段的最小完備性震級M和劃分網(wǎng)格的長度△x。依據(jù)王鵬等（2011）、王霞等（2014）、韶丹等（2015）和謝卓娟等（2019）對華北地區(qū)近50年來的地震活動研究結(jié)果，本文模型的最小完備性震級M的取值為3.0，即以研究區(qū)域內(nèi)3.0級以上的地震作為“異常學習”的信息輸入。對于劃分網(wǎng)格的長度△x，選用了0.1°×0.1°、0.2°×0.2°、0.3°×0.3°和0.4°×0.4°共4種網(wǎng)格尺度，使用Molchan圖表法分別評價每種網(wǎng)格參數(shù)下RI模型的預(yù)測效能。用1970—2019年華北地區(qū)3.0級以上地震數(shù)據(jù)，以10a為異常學習時段預(yù)測未來5a的5.0級以上地震的效能評價結(jié)果，如圖3a所示。圖中彩色圓點為RI模型不同網(wǎng)格參數(shù)的Molchan圖表法的結(jié)果，彩色實線代表RI模型不同參數(shù)的區(qū)域技能評分結(jié)果，虛線為顯著性水平等值線，對角黑色實線為無預(yù)測技能分界線。0.1°×0.1°、0.2°×0.2°、0.3°×0.3°和0.4°×0.4°網(wǎng)格的預(yù)測效能評價分值依次為0.831、0.877、0.783和0.718，很顯然0.2°×0.2°的網(wǎng)格是采用RI模型研究華北地區(qū)中強地震危險性的最佳網(wǎng)格尺度，在此參數(shù)下華北地區(qū)5.0級以上地震概率性危險區(qū)分布結(jié)果如圖3b所示。圖中顏色的深淺代表發(fā)生地震的危險性程度，顏色越深表示危險程度越高;藍色圓圈為1980—1984年5.0級以上“目標地震”的實際發(fā)生位置，18次地震中，除位于125°E邊界線上的1次地震外，其他均發(fā)生在危險程度較高的區(qū)域，預(yù)測效能相對較好。圖3c是自1980年起，以10a為異常學習時段，用RI模型逐年回溯預(yù)測華北地區(qū)未來1a、3a和5a尺度5.0級以上地震的效能評價分值統(tǒng)計結(jié)果。由圖可知，圖3c中除有少數(shù)年份的分值低于0.4外，大多年份均大于0.6，且有多個年份大于0.9，總體水平相對較好。

對于MR模型，重要的計算參數(shù)是最小樣本量n，和采樣網(wǎng)格尺寸r。筆者依據(jù)研究區(qū)域3.0級以上地震的活動頻次，設(shè)置初始最小樣本臨界值n，為5，即計算過程中，在每個單元格內(nèi)要求存在至少5個3.0級以上的地震事件才可計算出該點的MR值，然后設(shè)置（0.1°x0.1°、0.2°x0.2°、、0.3° 0.3°和0.4.4°x0.4°）這4種不同的網(wǎng)格，同樣應(yīng)用Molchan圖表檢驗法選出最優(yōu)的網(wǎng)格尺寸r。每種網(wǎng)格的預(yù)測效能評價結(jié)果如圖4a所示（圖4中要素含義與圖3相同），網(wǎng)格尺寸從小到大的評價分值分別為0.639、0.752、0.651和0.577。顯然0.2°x0.2°網(wǎng)格的分值最高，在此參數(shù)下未來5a尺度5.0級以上地震的危險性分布如圖4b所示。圖中危險區(qū)域分布的整體趨勢與圖3b基本一致，但各具特點。在MR模型無震區(qū)發(fā)生的目標地震有2次，西邊界高危無震區(qū)1處，且擊中的地震中有4次的預(yù)測效能處在顯著性水平α=1%的等值線以外;在標注的有震區(qū)內(nèi)，顏色較深的高危區(qū)塊較少，最明顯的是河北平原地震帶與張渤地震帶相交的天津一唐山一帶，其次是河北平原地震帶與山西汾渭地震帶的連接區(qū)，與RI模型的結(jié)果相比，該區(qū)的危險程度明顯高于兩側(cè)。圖4c為以10a為異常學習時段，3種不同時間尺度的MR模型效能評價分值統(tǒng)計圖。1980—1991年因3.0級以上地震數(shù)量較多，預(yù)測效果相對較好，效能評分基本都在0.6以上;1992年以后因采樣信息量較少，且發(fā)震位置分散，效能評分值相對較低。

在我國大陸地區(qū)的研究中，Triple -S模型運用最為廣泛的平滑函數(shù)是Frankel （1995）提出的高斯核函數(shù)（畢金孟，2017）。筆者選取不同的平滑距離數(shù)進行評價，結(jié)果如圖5a所示（圖5中要素含義與圖3相同），0.1°×0.1°、0.2°×0.2°、0.3°×0.3°、0.4°×0.4°網(wǎng)格相應(yīng)評分依次為0.776、0.798、0.770和0.796。取效能評價最高分值對應(yīng)的0.2°×0.2°網(wǎng)格和平滑半徑a=100km，用Triple -S模型預(yù)測得到的華北地區(qū)5.0級以上地震概率危險性分布（圖5b）。圖5b中彩色標注的危險區(qū)域面積明顯大于前2種預(yù)測模型面積，且圖中顏色較深的高危險區(qū)全部包含了前2種預(yù)測模型的高危區(qū)域，在實際發(fā)生的18次“目標地震”中，除研究區(qū)域東西兩條邊界的2次地震外其余全部精準預(yù)測，且均位于log（N/N）≥-4.78范圍內(nèi)，發(fā)震位置相對集中。在以1a、3a和5a為時間長度的回溯預(yù)測效能評分統(tǒng)計（圖5c）中，在有“目標地震”發(fā)生的年份里僅有3次低于0.6，整體預(yù)測結(jié)果具有很高的可信度。

選取1970—2019年華北地區(qū)3.0級以上地震數(shù)據(jù)，分別運用RI模型、MR模型和Triple -S模型，以10a為異常學習時段回溯性預(yù)測未來5a發(fā)生5.0級以上地震的危險區(qū)為例，對模型的網(wǎng)格劃分和計算半徑等參數(shù)進行了優(yōu)化。在該預(yù)測時段內(nèi)，3種模型在最優(yōu)參數(shù)條件下的評分值依次為0.877、0.752和0.796，即RI模型優(yōu)于Triple -S模型，Triple -S模型優(yōu)于MR模型，且整體預(yù)測效能水平相對較高。

4構(gòu)建混合模型分析地震活動特征

在最優(yōu)參數(shù)條件下，3種模型的整體預(yù)測效能水平相對較高，但所預(yù)測的危險區(qū)域分布存在一定差異。分配不同的權(quán)重因子構(gòu)建混合模型，可以放大單個模型的“優(yōu)勢”，縮小模型中存在的“劣勢”。權(quán)重分配的大小取決于預(yù)測效能評價信息中數(shù)值的分布，即分值高且分布集中的模型賦予的權(quán)重大，反之權(quán)重小。本文運用T-test檢驗方法比較混合模型與單一模型的結(jié)果，通過調(diào)整權(quán)重因子，使混合模型結(jié)果達到最優(yōu)狀態(tài)，確定適合華北地區(qū)不同預(yù)測時間尺度的中強地震混合模型，并使用最近10a的地震數(shù)據(jù)計算中強地震的概率性危險區(qū)分布，分析當下華北地區(qū)的地震活動特征。

RI模型、MR模型和Triple -S模型對華北地區(qū)5.0級以上地震1a尺度的預(yù)測效能評分如圖6a所示。由圖可見，在41次計算結(jié)果中在研究區(qū)域內(nèi)共有25次“目標地震”發(fā)生，其中RI模型評分最高的有10次，MR模型有5次，Triple -S模型有10次，分別占比40%、20%和40%。3種模型相對于零假設(shè)條件下的T-test檢驗結(jié)果如圖7a所示，從圖中可以發(fā)現(xiàn)，雖然RI模型和Triple -S模型的高分數(shù)量同樣多，但Triple -S模型的評價分值分布最為集中，預(yù)測可信度高，即Triple -S模型優(yōu)于MR模型，MR模型優(yōu)于RI模型，所以Triple -S模型應(yīng)該賦予最高權(quán)重。由于Triple -S模型在計算時受平滑半徑參數(shù)的影響，危險區(qū)域呈圓（橢圓）形分布，需要有危險區(qū)域小且分值分布好的MR模型突顯其中高危險性的重點區(qū)域。而RI模型又因其最高分值次數(shù)與Triple -S模型相同，且效能評分最為分散，所以應(yīng)分配最低權(quán)重。因此，本文綜合考慮3種單一模型的T-test檢驗結(jié)果和“目標地震”占比情況兩個因素，確定華北地區(qū)1a尺度的混和模型的計算表達式為20%MR+80%Triple -S。

3種模型對華北地區(qū)5.0級以上地震3a尺度的預(yù)測效能評分統(tǒng)計中（圖6b），研究區(qū)域內(nèi)有30次“目標地震”發(fā)生，RI模型、MR模型和Triple -S模型分值最高的次數(shù)分別為12次、8次和10次，占比依次為40%、27%和33%。參照華北地區(qū)5.0級以上地震的時間分布（圖2）可以看出，MR模型僅對2006年發(fā)生的1次地震預(yù)測效果明顯，所以預(yù)測效能評分在該年前后最高，而RI和Triple -S模型無論是在地震頻發(fā)時期，還是在地震較少時段，效能評分基本同步，且均好于MR模型。3種單一模型相對于零假設(shè)條件下的T-test檢驗結(jié)果如圖7b所示，從整體來看，對于3a尺度的概率預(yù)測，Tri-ple-S模型優(yōu)于RI模型，RI模型優(yōu)于MR模型，因此MR模型在混合模型中應(yīng)給予最低權(quán)重。5a尺度的預(yù)測效能評分統(tǒng)計（圖6c、7c）與3a尺度的情況基本類似，RI、MR和Triple -S模型分值最高次數(shù)和占比分別為16次、5次、11次和50%、16%、34%。RI模型高分次數(shù)最多，但分值波動范圍略寬，Triple -S模型雖然高值比例次之，但評價分值分布最為集中，而MR模型基本不占優(yōu)勢，不僅最高分值的次數(shù)少，而且大多的計算結(jié)果都明顯低于前兩種模型。綜合以上分析，基于3種單一模型的T-test檢驗結(jié)果和“目標地震”占比分布情況的一致性，確定華北地區(qū)3a和5a尺度的混和模型計算公式統(tǒng)一表示為30%RI+70%Triple -S。

不同時間尺度的混合模型與RI、MR和Triple -S3種單一地震預(yù)測模型相對于零假設(shè)條件下的T-test檢驗結(jié)果如圖7所示。從圖中可以發(fā)現(xiàn)，在T-test檢驗結(jié)果中，混合模型與相對最優(yōu)的Triple -S模型基本一致，且均明顯好于RI和MR模型。

圖8展示了基于前文的混合模型，以2010—2019年華北地區(qū)3.0級以上地震為異常學習時段得出的未來1a、3a和5a尺度發(fā)生5.0級以上地震概率性的危險區(qū)域。從圖中可以看出因混合模型中包含其他模型的成分，在一定程度上改善了Triple -S模型危險區(qū)域呈圓（橢圓）形的分布情況，突出了其中高危險區(qū)域的重點位置，特別是在圖8a中體現(xiàn)得尤為明顯。根據(jù)“目標地震”在單一模型中的分布，需要重點關(guān)注log（N/N）高于-3.3和-3.6的區(qū)域。從總體分布來看，當前華北地區(qū)地震危險性最為明顯的是山西汾渭斷裂帶和張渤地震帶，其次是河北平原斷裂帶南部和郯廬斷裂帶中北段，零散塊狀區(qū)域為湖北北部和江蘇東北部及其附近海域。在1a時間尺度圖（圖8a）中，發(fā)生中強地震的高概率危險區(qū)域主要有河北平原斷裂帶和張渤地震帶交匯的唐山地區(qū)、郯廬斷裂帶北段的膠東半島和遼東地區(qū)。2020年研究區(qū)域內(nèi)共發(fā)生5.0級以上地震1次，即7月12日唐山古冶5.1級地震，位于圖中的高危范圍內(nèi)。在圖8b中，除以上3處重點區(qū)域外，還有山西斷裂帶中部、陜西北部、湖北宜昌和山東威海地區(qū)，這些區(qū)域活動斷層發(fā)育、地震活動頻繁。

5結(jié)論

本文以地質(zhì)構(gòu)造復(fù)雜、地震活動頻發(fā)的華北地區(qū)為研究對象，使用1970—2020年華北地區(qū)3.0級以上地震數(shù)據(jù)，利用RI模型、MR模型和Triple -S模型3種單一地震預(yù)概率測模型，以10a為異常學習時段，以1a為分析步長，對5.0級以上地震分別開展1a、3a和5a尺度的回溯性滑動預(yù)測，并運用Molchan圖表法和T-test統(tǒng)計檢驗方法進行預(yù)測效能評價;再參照效能評分優(yōu)化模型參數(shù)，通過為每種單一模型分配不同權(quán)重因子的方式，構(gòu)建了適合華北地區(qū)的中強地震混合模型，評估了當前華北地區(qū)的地震活動特征，得出以下幾點認識：

（1）通過對比預(yù)測效能評價分值得出，在華北地區(qū)，使用3.0級以上地震，以10a為異常學習時段，開展5.0級以上地震概率預(yù)測研究時，RI模型、MR模型和Triple -S模型的最優(yōu)參數(shù)設(shè)置分別為：最小震級為3.0，采樣網(wǎng)格0.2°×0.2°;最小樣本量為5，采樣網(wǎng)格0.2°×0.2°;采樣網(wǎng)格0.2°×0.2°，平滑半徑為100km。

（2）根據(jù)3種單一模型最優(yōu)參數(shù)時的T-test檢驗結(jié)果和“目標地震”占比分布情況，構(gòu)建適合華北地區(qū)1a、3a與5a尺度的混合概率預(yù)測模型，計算表達式分別為20%MR+80%Triple -S和30%RI+70%Triple -S，模型預(yù)測效能檢驗結(jié)果得到明顯改善。

（3）依照混合模型的計算公式，使用近10a的地震數(shù)據(jù)，獲得當前華北地區(qū)中強地震概率性危險區(qū)分布，危險區(qū)分布與斷裂帶的活動斷層展布一致，突出了其中高危險區(qū)域的重點位置，其中1a尺度的重點區(qū)域有3處，3a和5a尺度的重點區(qū)域共有7處。

在OEF研究的發(fā)展進程中，為決策者提供有價值的參考信息、為地震預(yù)測的實際應(yīng)用和為社會公眾服務(wù)等是亟待解決的重要問題。本文獲得的華北地區(qū)概率預(yù)測模型最優(yōu)參數(shù)、混合地震預(yù)測模型和地震活動特征，對該區(qū)域的地震預(yù)測預(yù)報研究和地震危險性評估都具有潛在的實際應(yīng)用價值。在今后的工作中，將使用更多模型，對不同時段和地區(qū)開展更加深入、全面的研究。

感謝中國地震臺網(wǎng)中心全國地震編目系統(tǒng)提供的數(shù)據(jù)支持，感謝審稿專家為本文提出的寶貴意見。

參考文獻：

畢金孟，蔣長勝。2017。可操作的地震預(yù)測（OEF）國際研究動態(tài)綜述[J].中國地震，33（1）：1-13。

畢金孟，蔣長勝。2019。華北地區(qū)地震序列參數(shù)的分布特征[J].地球物理學報，62（11）：4300-4312。

畢金孟。2017。區(qū)域地震預(yù)測策略和預(yù)測效能評價技術(shù)研究[D].北京：中國地震局地球物理研究所

蔣長勝，張浪平，韓立波，等。2011。中長期地震危險性概率預(yù)測中的統(tǒng)計檢驗方法I：Molchan圖表法[J].地震，31（2）：106-113。

李三忠，張國偉，周立宏，等。2011。中、新生代超級匯聚背景下的陸內(nèi)差異變形：華北伸展裂解和華南擠壓逆沖[J].地學前緣，18（3）：79-107.

劉瑞豐，蔡晉安，彭克銀，等。2007。地震科學數(shù)據(jù)共享工程[J].地震，27（2）：9-16。

劉瑞豐，高景春，陳運泰，等。2008。中國數(shù)字地震臺網(wǎng)的建設(shè)與發(fā)展[J].地震學報，30（5）：533-539。

馬干，史保平，凌華剛。2009。華北地區(qū)地震危險性分析和地面運動預(yù)測的一致性方法[J].中國地震，25（3）：303-313。

韶丹，賈寧，王瑩。2015。陜西地區(qū)地震目錄完整性分析[J].地震地磁觀測與研究，36（4）：30-35。

王鵬，鄭建常，趙金花，等。2011。山東地區(qū)最小完整性震級的確定—R-S檢驗[J].華北地震科學，29（3）：19-22。

王霞，宋美琴，李麗，等。2014。山西地區(qū)不同時段地震目錄最小完整性震級研究[J].地震，34（2）：82-88。

謝卓娟，呂悅軍，方怡，等。2019。京津冀地區(qū)的地震活動性研究[J].地球物理學進展，34（3）：961-968。

Field E H. Arrowsmith RJ.Biasi G P. et a.2014.Uniform California earthquake rupture forecast Version3 UCERF3）-The time - inde-pendent model[ J]. Bulletin of the Seismological Society of America 104（3）：1122-1180.

Frankel A.1995. Mapping seismic hazard in the central and eastern Unit-ed StatesJ]. Seismological Research Letters， 66：8-21

Jordan TH， Chen Y T， Gasparini P， et al.2011. Operational earthquake forecasting： State of knowledge and guidelines for implementation [J].AnnGeophys ，54（4）：315-391.

Jordan T H， Marzocchi W， Michael AJ， et al.2014.Operational earth-quake forecasting can enhance earthquake preparedness[].Seismo-logieal Research Letters.85（5）： 955-959.

Marzocchi w， Jordan T H.2014. Testing for ontological errors in probabi-listie forecasting models of natural systems[ J]. Proceedings of the National Academy of Sciences of the United States of America， 111（3）：11973-11978.

Molchan G M.1997. Earthquake prediction as a decision-making prob-lem[ J]. Pure and Applied Geophysics， 149（1）： 233-247.

Molchan G M.2010. Space-time earthquake prediction the error dia-gramsJ. Pure and Applied Geophysics， 167（8-9）： 907-917.

Nanjo KZ.2010. Earthquake forecast models for Italy based on the RI al-gorithm[ J]. Annals of Geophysics， 53（3）： 117-127

Nanjo KZ.2011. Earthquake forecasts for the CSEP Japan experiment based on the RI algorithm[ J]. Earth， Planets and Space， 63（3）： 26-274.

Rhoades DA.Gerstenberger M C.2009. Mixture models for improved short-term earthquake forecastingLJ. Bulletin of the Seismological Society of America， 99（2A）： 636-646.

TalbiA， Nanjo K， Zhuang J， et al.2013. Interevent times in a new alarm based earthquake forecasting model [ J]. Geophysical Journal In-temational.194：1823-1835.

Tiampo KF， Rundle J B， Meginnis S， et al.2002. Mean field threshold systems and phase dynamics： an application to earthquake fault sys-tems[ J].Europhysics Letters， 60（3）： 481-487.

Zechar JD， Jordan T H.2010. Simple smoothed seismicity earthquake forecasts for Italy[ J]. Annals of Geophysics， 53（3）： 99-105.

Analysis of the Seismicity in North China Using Hybrid Probability Forecasting Model

MA Yong， BI Jinmeng， SONG Cheng， SHANG Xiangi （Tianjin Earthquake Agency， Tianjin 300201， China）

Abstract

For the" Operational Earthquake Forecasting（ OEF） ， it is critical to build a predictive model that conforms to the regional seismicity and whose effectiveness can be evaluated. In this paper， we select the M>5.0 earthquake data from 1970 to 2019 in North China with complex geological structure and intensive earthquake activity， use the relative intensity （RI） model， the moment ratio （MR） model and the simple smoothing （Triple-S） model carry out a retrospective sliding prediction of the historical M>5.0 earthquakes， during which we set the " learning period of earthquake anomalies as 10 years， step length as I year， and the scale of the retrospective cycle as I 3 and 5 years. Then we use the Molchan Diagram method and the T-test method to evaluate the efficacy of the pre-diction model. We determined the best calculation parameters of the three prediction models by optimization， and constructed a " hybrid" of probability forecasting models on different time scales which is suitable for analyzing the characteristics of earthquake activity in North China. Then we apply the latest 10-year earthquake data to our mod-el for the analysis of the current characteristics of earthquake activity in North China.

Keywords： probability forecasting model; effectiveness evaluation; characteristics of earthquake activity;NorthChina