Egy új mesterséges intelligencia megközelítés segíthet megjósolni a földrengést követő utórengések helyét
An földrengés egy olyan jelenség, amelyet akkor okoz, amikor a szikla a föld alatt Föld kéreg hirtelen megszakad egy geológiai törésvonal körül. Ez az energia gyors felszabadulását okozza, ami szeizmikus hullámokat generál, amelyek aztán megrázzák a talajt, és ez az az érzés, amikor földrengés közben elestünk. Azt a helyet, ahol a szikla eltörik, a fókusz fókuszának nevezzük földrengés és a felette lévő helyet a földön epicentrumnak nevezik. A felszabaduló energiát magnitúdóként mérik, egy skálán, amely leírja, milyen energikus volt a földrengés. A 2-es erősségű földrengés alig érzékelhető, és csak érzékeny speciális berendezéssel rögzíthető. földrengések 8 magnitúdónál nagyobb a talaj észrevehetően erős rázkódását okozhatja. A földrengést általában sok, hasonló mechanizmussal fellépő utórengés követi, amelyek egyformán pusztítóak, és intenzitásuk és súlyosságuk sokszor hasonló az eredeti földrengéshez. Az ilyen rengés utáni remegés általában az első órában vagy egy nappal azután jelentkezik földrengés. Az utórengések térbeli eloszlásának előrejelzése nagy kihívást jelent.
A tudósok empirikus törvényeket fogalmaztak meg az utórengések méretének és időtartamának leírására, de helyük pontos meghatározása továbbra is kihívást jelent. A Google és a Harvard Egyetem kutatói új megközelítést dolgoztak ki az értékeléshez földrengések és az utórengések helyének előrejelzése mesterséges intelligencia technológiával a ben közzétett tanulmányukban Természet. Kifejezetten gépi tanulást alkalmaztak – a mesterséges intelligencia egyik aspektusát. A gépi tanulási megközelítésben a gép „tanul” egy adathalmazból, és ezen ismeretek elsajátítása után képes arra, hogy előrejelzéseket készítsen újabb adatokról.
A kutatók először a globális földrengések adatbázisát elemezték mély tanulási algoritmusok segítségével. A mély tanulás a gépi tanulás fejlett típusa, amelyben a neurális hálózatok megpróbálják utánozni az emberi agy gondolkodási folyamatát. Ezután arra törekedtek, hogy képesek legyenek előrejelzés utórengések jobb, mint véletlen találgatás, és próbálja megoldani azt a problémát, hogy „hol” következnek be az utórengések. A világ több mint 199 nagy földrengéséből származó megfigyeléseket használták fel, amelyek körülbelül 131,000 XNUMX fősokk-aftershock párból álltak. Ezt az információt egy fizikai alapú modellel kombinálták, amely leírja, hogyan Föld feszült és feszült lenne egy után földrengés ami aztán utórengéseket vált ki. Létrehoztak egy 5 kilométeres négyzetes rácsot, amelyen belül a rendszer ellenőrizni fogja az utórengést. A neurális hálózat ezután kapcsolatokat hoz létre a fő földrengés okozta törzsek és az utórengések helye között. Miután a neurális hálózati rendszer ilyen módon jól képzett volt, képes volt pontosan megjósolni az utórengések helyét. A tanulmány rendkívül nagy kihívást jelentett, mivel a földrengések összetett valós adatait használta fel. A kutatók alternatív módon felállították mesterséges és egyfajta „ideális” földrengés, hogy előrejelzéseket készítsenek, majd megvizsgálták az előrejelzéseket. A neurális hálózat kimenetét tekintve megpróbálták elemezni, hogy milyen különböző „mennyiségek” szabályozhatják az utórengések előrejelzését. Térbeli összehasonlítások elvégzése után a kutatók arra a következtetésre jutottak, hogy egy tipikus utórengésminta fizikailag „értelmezhető”. A csapat azt sugallja, hogy a deviátoros stresszfeszültség második változatának nevezett mennyiségben – egyszerűen csak J2-nek nevezett – a kulcsa van. Ez a mennyiség jól értelmezhető, és rutinszerűen használják a kohászatban és más területeken, de még soha nem használták földrengések tanulmányozására.
A földrengések utórengései további sérüléseket, károkat okoznak, és akadályozzák a mentési munkákat is, így ezek előrejelzése életmentő lenne az emberiség számára. Valós idejű előrejelzés jelenleg nem biztos, hogy lehetséges, mivel a jelenlegi mesterséges intelligencia modellek csak egy bizonyos típusú utórengést és egyszerű geológiai törésvonalat képesek kezelni. Ez azért fontos, mert a geológiai törésvonalak eltérő geometriával rendelkeznek a különböző földrajzi helyeken bolygó. Tehát előfordulhat, hogy jelenleg nem alkalmazható különböző típusú földrengésekre szerte a világon. Mindazonáltal a mesterséges intelligencia technológia alkalmasnak tűnik földrengésekre, mivel n számú változót kell figyelembe venni a vizsgálat során, például a lökés erőssége, a tektonikus lemezek helyzete stb.
A neurális hálózatokat úgy tervezték, hogy az idő múlásával javuljanak, azaz minél több adat kerül egy rendszerbe, több tanulás történik, és a rendszer folyamatosan javul. A jövőben egy ilyen rendszer a szeizmológusok által használt előrejelző rendszerek szerves részét képezheti. A tervezők vészhelyzeti intézkedéseket is végrehajthatnak a földrengések viselkedésének ismerete alapján. A csapat mesterséges intelligencia technológiát akar használni a földrengések nagyságának előrejelzésére.
***
{Az eredeti kutatási cikket a hivatkozott forrás(ok) listájában lent található DOI linkre kattintva olvashatja el}
Forrás (ok)
DeVries PMR et al. 2018. A nagy földrengéseket követő utórengések mintáinak mély megismerése. Természet560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
