SeismicID：印尼地震概率预测系统，融合物理特征与机器学习

SeismicID 是基于 FastAPI 开发的印尼地震概率预测系统，整合 USGS 和 BMKG 数据，采用 XGBoost 与 LightGBM 集成模型，结合断层距离、板块深度等物理特征与地震学特征，提供 7/14/30/60 天多时间窗口的地震风险概率预测。项目由 erzanugroho 维护，开源于 GitHub，旨在通过数据科学与机器学习辅助识别高风险区域，强调科学严谨性与概率解释的准确性。

印尼地处环太平洋火山带与阿尔卑斯-喜马拉雅地震带交汇处，地震活动频繁且危害大。传统预警依赖实时监测，SeismicID 则聚焦概率预测，帮助识别未来高风险区域。项目由 erzanugroho 开发，采用 FastAPI 构建后端，整合 USGS（全球数据）与 BMKG（印尼本地数据），注重模型校准、概率解释与不确定性量化，以提升科学严谨性。

数据层：采用 Parquet（历史数据）、SQLite（运行时数据）、Geo数据（行政区划与俯冲带）；数据源为 USGS ComCat（主）与 BMKG TEWS（补充），含去重清洗流程。 空间模型：印尼区域划分为 0.5°×0.5° 网格（约3000单元格），关联省份与子区域。 特征工程：25+特征，含地震学特征（多窗口b值、Mc估计、事件间隔等）与物理特征（断层距离/类型/滑动速率、俯冲带深度等）——物理特征是重要创新，融合地质学知识提升可解释性。

多任务框架：同时预测4时间窗口（7/14/30/60天）×4震级阈值（M≥4.5/5.0/5.5/6.0），每个网格生成16个概率结果。 集成策略：三层集成——基础层（XGBoost+LightGBM）、基线层（泊松过程/ETAS-Ogata）、融合层（加权平均+贝叶斯融合），结合非线性拟合与物理可解释性。 校准与评估：采用 Platt缩放、等渗回归、Beta校准（选最优Brier分数）；评估指标含ROC-AUC、Brier分数、可靠性图等，确保概率输出的频率意义。

微服务架构：双服务模式——Web服务（公共API+UI，只读缓存保障高并发）、Worker/Cron服务（数据获取、模型推理、预测更新，共享数据卷）。 自动更新：每10分钟检查新事件，5分钟防抖防重复计算，3小时兜底重算确保数据新鲜。 降级策略：三级降级（ML集成→ETAS-Ogata→泊松基线→物理感知演示数据），保证故障时仍有可用信息。

SeismicID 明确其输出为相对风险排序的概率预测，非确定性预警：低概率≠安全，高概率≠必然发生；决策需参考BMKG等官方预警。项目经科学审计改进，包括多窗口b值计算、Mc估计、Reasenberg去簇算法等，确保方法论合理。

SeismicID 为多场景提供辅助工具：

• 政府：识别需加强监测与应急准备的区域；
• 保险公司：地震风险定价与准备金评估参考；
• 研究机构：地震学假设生成与数据探索；
• 公众教育：提升对地震概率与风险的理解。

技术亮点：1. 物理信息特征融入（领域知识+ML提升可解释性）；2. 概率校准（确保输出准确性）；3. 多级降级（系统可靠性）；4. 科学透明（模型卡片、解释指南、局限性说明）。 启示：自然灾害预测项目应重视领域知识融入、概率校准、系统可靠性设计，以及诚实说明局限性，为AI在科学与公共安全领域的负责任应用提供参考。