北师港浸大(UIC)工商管理学部战歌博士所带领的团队于10月18日在AETA地震预测AI算法大赛中获得第一名。该比赛由北京大学人工智能研究院、北京大学深圳研究生院、CSDN、武汉大学计算机学院共同主办，深圳市深创谷技术服务有限公司协办。 比赛共有183个团队报名参加，其中只有30个团队进入决赛。

战歌博士代表领奖

决赛从2020年5月10日开始，到2020年9月7日结束，一共提供了16周的观测数据，进行了16次地震预测。战歌博士所带领的团队在决赛中的16次预测中，地震的有无预测命中12次，命中率为75%，在12次有震预测中，8次预测结果比较理想，震级平均误差为0.4885级，震中平均偏差103.98公里，具体如下表所示。精确预测的准确率达到66%，目前还未在任何公开形式的论文或者报道中见到。

战歌博士团队预测偏差统计

战歌博士团队参加比赛的初衷是为了学习先进方法，与各位参赛者沟通交流；同时团队也觉得本次比赛的题目很有意义，成果将具有极大社会价值。

战歌博士及同事在平台了解了关于比赛的具体信息和整个参赛流程。通过研究数据结构，大家发现地震的数据较为清晰，可以分为两部分：地声、地磁，均按照时间变化（类似市场营销数据，可用市场营销算法过程的方法研究）。在整个比赛中，他的团队将AI融入市场营销和信息系统，而这是一项新技术研究。

战歌博士表示，他的团队之所以能取得如此高的准确率，原因主要有以下四点。

1. 从数据中识别什么是地震，通过地声、地磁的波动测地震趋势。

团队对数据理解深刻，掌握得透彻。战歌博士本人具有统计优势，在数据变化较多的情况时可以解决很多问题。

2. 数据做清晰。

团队尽量避免了数据缺失、不正确的情况的产生。例如因为测量设备位于山区，白天数据噪音多，那么就采用晚上的数据研究。

3. 设计多种方案，挑选最精确的那种。

例如，团队用逻辑回归来判断有没有地震；用线性回归和决策树模型来预测震级。

4. 融合

一方面是融合统计和机器学习（Machine Learning）。在比赛中，战歌博士团队使用决策树（Decision tree）和长短期记忆网络 (LSTM) , 更新技术，取长补短。

另一方面是融合数据。团队参考了北大探测设备（可低成本采集数据，上传云端）、中国地震网（国家公开，速度快、准确度高、数据全）的数据，多方融合。

本次比赛所取得的成果对未来实践具有极大的意义。在生活中，我们可以将该成果提供给各地政府进行地震预警，如果地震概率较高，可以提醒当地政府提醒居民进行避险，相对来说可以减少人员的伤亡，并且也可以更早的调配地震物资到前线进行支援，因此这项技术可以更早的做出地震预警，并且帮助政府做出一些地震发生前后的相关部署。在技术上，我们可以将该项技术运用到人工智能（AI）领域，研究一些更加前沿的项目，也可以将这项技术运用到课堂之中，丰富课堂上数据研究方面的工具。

战歌博士

战歌博士现为UIC工商管理学部助理教授。他的主要研究领域为大数据、机器学习在管理上的应用，消费者幸福感、在线品牌社群和企业国际化。

来源 | 北京大学深圳研究生院、集成微系统实验室以及战歌博士

文案 | 王海霖、马宇宸

图片 | 战歌博士

编辑 | 王海霖