2012.09-2016.06 武汉大学 遥感信息工程学院 工学学士
2016.09-2021.06 中国科学院 空天信息创新研究院 理学博士
2019.11-2020.11 苏黎世联邦理工学院 D-MTEC 联合培养博士（国家公派）

2021.09-2023.12 北京大学 地球与空间科学学院 地球物理系 博雅博士后
2024.01-2024.06 betway西汉姆联官网 betway西汉姆联官网 仪器科学与技术系 特聘副教授
2024.06至今 betway西汉姆联官网 betway西汉姆联官网 仪器科学与技术系 副教授

“震鉴”团队面向地震预测这一重要而富有挑战性的科学问题，开展人工智能与地震科学交叉研究（AI for Science, AI4S）。我们希望将深度学习、大语言模型、神经点过程等新一代人工智能技术，与统计地震学、地球物理学和多源对地观测相结合，从历史地震与多物理场观测中学习规律、发现知识，探索更加科学、客观和可靠的地震预测方法。
目前主要开展以下方向的研究：
1. AI for Earthquake Forecasting —— AI 地震预测
研究人工智能在地震发生概率、地震活动性演化以及主震和余震预测等问题中的应用。
地震是高度复杂的自然现象，大量历史地震数据中可能蕴含着尚未被充分认识的规律。我们希望借助 AI 强大的数据学习与规律发现能力，从过去发生的地震中寻找未来地震活动的线索。
我们的目标不仅是提高预测性能，更希望探索一个基本问题：
AI 能否帮助人类发现新的地震规律，并进一步拓展我们对地震可预测性的认识？

2. AI for Earthquake Precursors —— AI 地震前兆
研究大地震发生前可能出现的地球物理、地球化学以及空间环境异常现象，探索人工智能在地震前兆发现、识别和验证中的应用。
随着卫星遥感、GNSS以及地面和空间观测技术的发展，人类正在获得越来越丰富的地球观测数据。但其中哪些变化真正与地震有关，哪些只是复杂自然环境产生的背景扰动，仍然是地震前兆研究面临的核心问题。
我们希望利用 AI 从海量、多源的地球观测数据中去伪存真、去粗取精，寻找具有稳定统计意义和物理意义的地震前兆，为大震预测提供新的科学依据。

3. AI for Earthquake Science —— AI4S 与智能地震科学
探索人工智能进一步参与地震科学发现与科学研究全过程的可能性。
我们关注的不仅是“用 AI 做预测”，也希望借助 AI 帮助科研人员整理和理解海量科学信息、发现数据之间潜在的联系、提出值得验证的科学假设，并逐步探索面向地震科学的智能科研新范式。
我们希望未来的 AI 不只是一个数据处理工具，而能够成为科学家的研究助手乃至科学发现伙伴，帮助我们重新审视一些长期存在但尚未解决的地震科学问题。
________________________________________
我们为什么做这些研究？
地震预测至今仍是世界性的科学难题。
它困难、充满争议，也意味着这里仍然存在大量真正没有答案的问题。人工智能的发展，则为这些传统科学难题提供了一个前所未有的新机会。
我们相信，AI 的快速发展正在为地震科学提供过去难以想象的新工具。我们希望与来自人工智能、自动化、计算机、数学、遥感、地球物理及相关专业的年轻同学一起，把最新的 AI 技术带到真实而困难的科学问题中。
这里既可以研究一个新的神经网络，也可以研究一次地震序列；既可以探索一个新的 AI4S 方法，也可以尝试回答一个困扰地震学界数十年的科学问题。
以震为鉴，以 AI 求知。
欢迎对 AI、AI4S 和地震科学感兴趣，并愿意挑战困难科学问题的同学加入我们。
我们相信，地震预测也许是一条很长的路，但值得有人认真地走下去。

《自动检测技术B》
《误差理论与数据处理》

迄今为止发表论文30余篇，其中第一/通讯作者SCI 论文13篇：
[1] Zhang, Y., Zhan, C., Du, X., Zhou, C., Ma, W., & Lu, X. (2026). Origins of thermal anomalies prior to earthquakes: Lithosphere, atmosphere, or ionosphere? IEEE Transactions on Geoscience and Remote Sensing, 64, 5002114. https://doi.org/10.1109/TGRS.2026.3657753
[2] Zhang, Y., Wen, C., Zhan, C., & Sornette, D. (2025). Integrating artificial intelligence and geophysical insights for earthquake forecasting: A cross-disciplinary review. Earth-Science Reviews, 270, 105232. https://doi.org/10.1016/j.earscirev.2025.105232
[3] Zhang Ying; Zhan Chengxiang; Huang Qinghua*; Didier Sornette. Forecasting future earthquakes with deep neural networks: application to California, Geophysical Journal International, 2025, 240: 81-95
[4] Zhang Ying; Zhan Chengxiang; Huang Qinghua*; Didier Sornette. Seismically Informed Reference Models Enhance AI-Based Earthquake Prediction Systems, Journal of Geophysical Research – Solid Earth, 2024, 2023JB028037
[5] Zhang Ying; Meng Qingyan*; Guy Ouillon; Didier Sornette; Ma Weiyu; Zhang Linlin; Zhao Jing; Qi Yuan; Geng Fei. Spatially variable model for extracting TIR anomalies before earthquakes: Application to Chinese Mainland, Remote Sensing of Environment, 2021, 267
[6] Zhang Ying; Meng Qingyan*; Guy Ouillon; Zhang Linlin; Hu Die; Ma Weiyu; Didier Sornette; Long-term statistical evidence for proving the correspondence between TIR anomalies and earthquakes is still absent, The European Physical Journal Special Topics, 2021, 230: 133-150
[7] Ying Zhang; Mei Li; Qinghua Huang*; Zhigang Shao; Jing Liu; Xueming Zhang; Weiyu Ma; Michel Parrot. Statistical correlation between DEMETER satellite electronic perturbations and global earthquakes with Mw≥4.8, IEEE Transactions on Geoscience and Remote Sensing, 10.1109/TGRS.2023.3265931
[8] Zhang Ying; Meng Qingyan* ; A statistical analysis of TIR anomalies extracted by RSTs in relation to an earthquake in the Sichuan area using MODIS LST data, Natural Hazards and Earth System Sciences, 2019, 19: 535-549
[9] Zhang Ying; Meng Qingyan*; Wang Zian; Lu Xian; Hu Die ; Temperature Variations in Multiple Air Layers before the Mw 6.2 2014 Ludian Earthquake, Yunnan, China, Remote Sensing, 2021, 13(884)
[10] Zhang Ying; Huang Qinghua*; Seismicity changes before major earthquakes in Sichuan, China, revealed by a combination of RTL Algorithm and ETAS model, Seismological Research Letters, 2022, 13: 1-8
[11] Zhang Ying; Meng Qingyan*; Didier Sornette. A new 3-D error diagram: an effective and better tool for finding TIR anomalies related to earthquakes, IEEE Transactions on Geoscience and Remote Sensing, 10.1109/TGRS.2023.3293132
[12] Meng Qingyan; Zhang Ying*. Discovery of spatial-temporal causal interactions between thermal and methane anomalies associated with Wenchuan earthquake, The European Physical Journal Special Topics, 2021, 230: 247-261
[13] Hui Lin; Ying Zhang*; Jizhe Zhou; Xuejiao Wang; Hao Jin; Congcong Wen. Earthquake Spatio-Temporal Patterns Around Precursory Thermal Infrared (TIR) Anomalies, IEEE Geoscience and Remote Sensing Letters, 2025, 10.1109/LGRS.2024.3520128

项目负责人：
[1] 基于多源异构数据的“震鉴”地震预测大模型及其可解释性研究，国家自然科学基金委员会，面上项目，42574086，2026.01-2029.12
[2] 基于NCEP气温数据的地震三维热异常机理及其地震预测研究，国家自然科学基金委员会，青年基金项目，42201363，2023.01-2024.12
[3] 于NCEP气温数据的地震三维热异常机理及其精细提取研究,中国博士后科学基金会，第71批面上项目，2022M710192，2022.07-2023.06
项目参与人：
[1] 川滇地区地震电磁异常时空特征及其与地震活动性关系研究，国家自然科学基金委员会，联合基金项目，U2239201，2023.01-2026.12
[2] 基于地壳形变场、温度场、流体耦合的地震监测技术研究-构造活动卫星热红外信息提取与地震异常精细识别技术研究，科技部国家重点研发计划，2019YFC1509202，2020.01-2023.01
[3] 基于红外遥感和电离层信息的地震监测预测技术研究，科技部重点专项项目，2016YFE0122200，2016.11-2018.10
[4] Global Earthquake Forecasting System，苏黎世联邦理工学院重点支持计划

荣誉：入选 北京“高创计划” 青年人才托举工程
成果：
围绕人工智能地震预测研究成果，张颖团队研发并运行了面向全球及重点区域的实时地震预测系统——“震鉴”（QuakeInsight）。该系统以深度学习模型为核心，集成地震目录自动获取、数据处理、模型训练、预测生成、风险图输出和自动化报告等功能，初步形成了从基础算法研究到地震风险预测应用服务的完整技术链条。
“震鉴”系统可基于实时更新的地震目录数据，自动生成未来 15 天、30 天、60 天和 90 天等不同时间窗口，以及 M≥4.0、M≥5.0 等不同震级阈值下的空间化地震风险预测结果。系统输出以网格化风险图和辅助分析报告为主，可为地震趋势研判、重点危险区识别、震后风险跟踪和业务会商提供人工智能辅助参考。