海嘯是令人難以置信的破壞性海浪，可以摧毀沿海的基礎設施并造成生命損失。對這種自然災害的早期預警是困難的，因為海嘯的風險高度依賴于引發海嘯的水下地震的特征。在AIP出版的《流體物理學》中，來自加州大學洛杉磯分校（UCLA）和英國卡迪夫大學的研究人員開發了一個預警系統，該系統結合了最先進的聲學技術和人工智能，可以立即對地震進行分類并確定潛在的海嘯風險。

如果大量的水被移走，水下地震會引發海嘯，因此確定地震的類型對于評估海嘯風險至關重要。

"與水平滑移元素相比，具有強烈垂直滑移元素的構造事件更有可能提高或降低水柱，"共同作者Bernabe Gomez說。"因此，在評估的早期階段了解滑移類型可以減少誤報，并通過獨立的交叉驗證提高預警系統的可靠性。"

這項研究調查了過去與海嘯事件相關的四種不同的地震情況。紅色和黃色的矩形代表了由所提出的聲學輻射反演模型檢索出的預測地震尺寸、位置和方向。分析的地震是：a）2009年9月29日，8.1兆瓦，薩摩亞馬塔瓦伊的西南方向；b）2010年12月21日，7.4兆瓦，日本波寧群島地區；c）2012年3月14日，6.9兆瓦，日本釧路的東南方向；以及d）2013年10月25日，7.1兆瓦，日本本州東海岸。該模型為每種地震情況提供了兩種潛在的斷層方向，并對其進行了數值模擬和比較。資料來源：Bernabe Gomez和Usama Kadri

在這些情況下，時間是至關重要的，而依靠深海波浪浮標來測量水位往往會留下足夠的疏散時間。相反，研究人員建議測量地震產生的聲輻射，它攜帶著關于構造事件的信息，并且傳播速度明顯快于海嘯波。水下麥克風，稱為水聽器，記錄聲波并實時監測構造活動。

"聲輻射在水柱中的傳播速度比海嘯波快得多。它攜帶著關于源頭的信息，其壓力場可以在遙遠的地方被記錄下來，甚至在離源頭數千公里之外。"共同作者Usama Kadri說："壓力場的分析解決方案的推導是實時分析的一個關鍵因素。"

計算模型通過水聽器對地震源進行三角定位，人工智能算法對其滑移類型和震級進行分類。然后，它計算出重要的屬性，如有效長度和寬度、上升速度和持續時間，這決定了海嘯的大小。

作者用現有的水聽器數據測試了他們的模型，發現它幾乎是即時的，成功地描述了地震參數，而且計算需求很低。他們正在改進這個模型，將更多的信息考慮進去，以提高海嘯特征的準確性。

他們預測海嘯風險的工作是一個更大的項目的一部分，以加強危險預警系統。海嘯分類是一個軟件的后端，可以提高海上平臺和船舶的安全性。