研究概述

应急管理部国家自然灾害防治研究院、复合链生自然灾害动力学应急管理部重点实验室许冲团队提出了一个融合国产DeepSeek大模型的自然灾害防治与应急AI辅助系统框架研究，旨在提升自然灾害防治的智能化水平。文章中介绍了AI大模型在自然灾害防治中的应用水平、技术路径及关键技术突破方向。阐述了DeepSeek大模型的技术优势和可行性，包括强化学习驱动的推理模型、架构创新、开源部署和低成本等。提出了系统的设计与实现方案，包括需求分析、系统架构和关键技术实现，实现自然灾害知识图谱构建、智能决策与应急响应全流程应用和管理。最后，强调了AI大模型本地化部署的重要性，以保障数据安全和适应自然灾害防治与应急工作的新需求。

第一作者简介：谢晨晨，男，汉族，1999年生，中共党员。现为中国地质大学（北京）地质学专业24级博士研究生（应急管理部国家自然灾害防治研究院联合培养）。师从中国地质大学（北京）徐锡伟教授和应急管理部国家自然灾害防治研究院许冲研究员。研究方向为降雨地质灾害数据库构建、机理与风险评估及预警模型等研究。已发表论文共10篇，第一作者论文5篇（SCI收录2篇，核心1篇）。申请国家发明专利2份（均已公开）。参加国际国内学术会议4次，其中1次作特邀报告。获批10项软件著作权，其中第一著作人7项。参与国家重点研发项目1项，参与企、事业单位委托项目3项。担任“Transactions in GIS”、“Natural Hazards Research”以及“地质科技通报”等国内外知名期刊的审稿人。

通讯作者简介：许冲，男，1982年生，九三学社社员，应急管理部国家自然灾害防治研究院研究员，博导，地质灾害研究中心主任，复合链生自然灾害动力学应急管理部重点实验室主任，中国地震学会地震灾害链专业委员会首任主任，地质灾害机理与评价学科带头人。新疆大学特聘教授，中国科学院大学、东华理工大学、中国地质大学（北京）等兼职博导。2010年在中国科学院地质与地球物理研究所取得博士学位。从事地震与降雨触发地质灾害基础理论研究与减轻地质灾害风险的应用研究。负责4项国家自然科学基金（国际合作1项、面上2项、青年1项）、1项国防科工局专项课题、1项国家重点研发计划课题、3项国家重点研发计划子课题、多次地震滑坡应急科考等项目。是应急管理中长期科技发展规划（2021-2035年）与“十四五”应急管理科技创新规划主研人员和执笔人。构思设计了“十四五”国家重大科技基础设施“中国地震科学实验场”之地震灾害链观测实验平台，是该建设工程项目立项建议书和可行性研究阶段的负责人。指导和培养50名博士、硕士研究生和博士后，包括11名博士生（4名已毕业）、33名硕士生（19名已毕业）、6名博士后（3名已出站）。获得四川省自然科学奖一等奖（第4），省部级科技进步奖5项（第2、3、4、6、6），一级学会科学技术一等奖1项（第4）、二等奖1项（第4）、三等奖2项（第1、3）。入选国家级青年人才、新疆维吾尔自治区“天池英才”特聘教授（新疆大学）、爱思唯尔(Elsevier)2020-2024“中国高被引学者”、全球前2%顶尖科学家榜单2020（World’s Top 2% Scientists 2020）与全球学者库全球顶尖前10万科学家榜单，获AOGS SE Distinguished Lecture奖（2023）、Vebleo科学家奖（2021），国际地质灾害减灾协会（ICGDR）“杰出青年科学家奖”（2019），应急管理部直属机关优秀青年干部标兵（2021年），2018年度中国地震局骨干人才，获中国地质学会“第十五届青年地质科技奖——银锤奖”（2015），第十届李善邦青年优秀地震科技论文三等奖。以地震降雨影响区为天然实验室，在滑坡识别与大数据建设、机理与规律探索、危险性与风险评价等领域取得了系统性成果。发表论文463（SCI收录295，EI收录62篇，核心106篇），第一/通讯作者论文285（其中SCI收录177，EI收录44篇，核心64篇），论文总被引用17000多次。获授权国家发明专利19项，实用新型专利2项，软件著作权42项。发布和立项8项团体标准（4项第一）。9篇SCI文章为“高被引论文”，6篇第一作者CSCD文章为“科技部领跑5000精品期刊顶尖论文”。出版英文专著和科普图书等9本（第1、1、1、1、2、2、2、3、4）。2份成果报告被中办和国办采纳。是Springer Nature集团“npj Natural Hazards”期刊（https://www.nature.com/npjnathazards/）主编，9个期刊的副主编，31个期刊的编委。是中国、欧洲科学基金会、以色列、智利、哈萨克斯坦、荷兰等国家自然科学基金评审人。为Earth-Science Reviews、Landslides、Geology、Geomorphology、Geophysical Research Letters、地球物理学报、地震地质、工程地质学报、遥感学报等450余个期刊、会议等审稿4200余篇。理论、方法与成果推广到国内外200多个机构，如美国地质调查局、瑞士苏黎世联邦理工学院、中国科学技术大学、四川省交通运输厅、国家电网有限公司、中国南方电网有限责任公司、中国电力科学研究院、中国长江三峡集团有限公司等。根据Research.com平台2025年版（第4版），入选中国顶级（Top）地球科学家排名第138位（https://research.com/scientists-rankings/earth-science/cn），世界排名第2386位（https://research.com/scientists-rankings/earth-science）。

现有平台

按照应用领域，现在将AI大模型分为通用大模型和行业大模型。在自然灾害防治领域，已经有了少量的行业大模型。例如，2024年6月18日，中国气象局发布了三个AI气象大模型系统。其中，“风清”提升中短期预报时效与精准度。“风顺”优化次季节—季节预测，提升降水预测技巧。“风雷”提高雷达回波预报能力，实现短临预报。如图1所示，通过中尺度演变网络和对流尺度生成网络处理观测数据，结合随机噪声生成短期预报结果，并通过保守演变算子、多尺度时空判别网络和混沌容忍一致性模块对预报结果进行物理规律校准和优化，确保预报的准确性和一致性。2024年8月7日，应急管理部正式发布了应急管理领域的“久安”大模型。“久安”大模型通过五大创新突破推动行业智能化：一是构建国内首个私有化部署的行业大模型底座，采用监督性微调、OP-RAG优化及多模态路由技术，实现国产软硬件深度整合与定制化应用。二是融合180PB+跨模态数据与应急领域语料，形成专家级知识体系，支持知识、数据、图像及视频问答功能。三是创新高危行业安全监管手段，基于大模型理解与调度能力，通过图片/视频快速识别隐患，提升执法效能。四是强化自然灾害预警，整合铁塔、气象等公共数据，实现灾情分析、趋势研判及救援方案智能推荐。五是打造“智慧应急大脑”，秒级生成事故处置方案，30秒组会、一键调度40+业务系统，全面提升救援响应精准度与效率，赋能应急管理全链条智能化升级。

图1 “风雷”大模型示意图

需求分析

现有的网页端或企业版AI模型在应用上存在一定的局限性。高并发时导致的服务器过载，响应速度下降，影响使用体验。商用API虽然能提供更高的性能，但较高的成本增加了用户负担。另外，数据传输过程中的隐私安全问题亦不容忽视。基于这些考量，在DeepSeek模型等开源框架的支撑下，本地部署AI大模型的方案得到了越来越多国内机构的青睐。在AI模型本地化部署的基础上，融合自然灾害行业领域的海量专业文献库，基于本地AI模型的API接口研发智能辅助系统，是保障数据安全、摆脱外部依赖、适应自然灾害防治与应急工作新需求的可行方案。

系统架构与技术实现

AI智能辅助系统遵循传统的模型（Model）-视图（View）-控制器（Controller）模式（MVC），从技术结构上可采用“数据层-算法层-应用层”三层架构设计，深度融合多源异构数据与垂域知识，实现自然灾害知识图谱构建、智能决策与应急响应全流程应用和管理（图2）。

图2 基于AI的智能辅助系统架构示意图

其中，数据层支持多模态自然灾害知识库构建，包括自然灾害基础数据库、案例库、文献库、以及必要的实时数据流等。将多模态数据中的结构化和非结构化文本、信息、数据等进行清洗与标准化，结合文本嵌入模型（如nomic-embed-text模型）等技术，构建自然灾害知识库，达到知识蒸馏的目的。算法层主要基于现有开源AI大模型，融合自然灾害领域专业知识库，进行垂域微调，提升AI模型对复杂场景和专业背景的理解。应用层通过用户视图集成和表现系统的智能和辅助功能，例如通过自然语言交互快速查询、整理、总结相关知识，为复杂环境下的自然灾害防治或应急提供决策支持，自动匹配应急预案，动态调整资源配置方案等。通过知识驱动、快速响应、动态适应等特性，基于AI大模型的智能辅助系统可实现自然灾害防治与应急全链条智能辅助服务。具体流程如图3所示，数据层整合实时传感器、基础数据库、案例库和文献库的数据，涵盖地震相关数据、台风相关数据、人口分布等信息。模型层运用微调、扩散模型、强化学习等算法和技术，结合Transformer、预训练、多模态融合等方法，利用SAM-E、Leo、RoboCat等具体算法。应用层实现应急警报、重新规划应急路线、选择安全避难场所、医疗救援和灾害影响评估等功能，关联应急规划、紧急计划、资源优先级和突发情况等概念，为灾害决策和应急计划提供支持。

图3 “数据层-算法层-应用层”框架在自然灾害防治中的流程

文章信息

该文章发表在期刊《Earthquake Research Advances》上，详细内容见：Xie Chenchen, Gao Huiran, Huang Yuandong, Xue Zhiwen, Xu Chong, Dai Kebin (2025). Leveraging the DeepSeek large model: A framework for AI-assisted disaster prevention, mitigation, and emergency response systems. Earthquake Research Advances, 100378.

原文链接: https://www.sciencedirect.com/science/article/pii/S2772467025000211