Нов подход с изкуствен интелект може да помогне да се предвиди местоположението на вторични трусове след земетресение
An земетресение е явление, причинено от скала под земята в Земни земната кора внезапно се разкъсва около линия на геоложки разлом. Това предизвиква бързо освобождаване на енергия, която произвежда сеизмични вълни, които след това карат земята да се разклаща и това е усещането, че сме паднали по време на земетресение. Мястото, където скалата се счупва, се нарича фокус на земетресение и мястото над него на земята се нарича „епицентър“. Освободената енергия се измерва като магнитуд, скала, която описва колко енергично е било дадено земетресение. Земетресение с магнитуд 2 е едва осезаемо и може да бъде регистрирано само с помощта на чувствителна специализирана апаратура, докато земетресения с магнитуд над 8 може да причини забележимо много силно разклащане на земята. Земетресението обикновено е последвано от много вторични трусове, възникващи по подобен механизъм и които са еднакво опустошителни и много пъти тяхната интензивност и сила са подобни на първоначалното земетресение. Такива трусове след земетресение обикновено се случват в рамките на първия час или ден след основното земетресение земетресение. Прогнозирането на пространственото разпределение на вторичните трусове е много предизвикателство.
Учените са формулирали емпирични закони, за да опишат размера и времето на вторичните трусове, но определянето на тяхното местоположение все още е предизвикателство. Изследователи от Google и Харвардския университет са разработили нов подход за оценка земетресения и прогнозиране на местоположението на вторичните трусове с помощта на технология за изкуствен интелект в тяхното проучване, публикувано в природа. Те специално използваха машинно обучение - аспект на изкуствения интелект. При подхода за машинно обучение машината се „учи“ от набор от данни и след придобиване на тези знания е в състояние да използва тази информация, за да прави прогнози за по-нови данни.
Изследователите първо анализираха база данни за глобални земетресения, използвайки алгоритми за дълбоко обучение. Дълбокото обучение е усъвършенстван тип машинно обучение, при което невронните мрежи се опитват да имитират мисловния процес на човешкия мозък. След това се стремяха да могат прогноза вторични трусове по-добри от произволни предположения и се опитайте да разрешите проблема „къде“ ще се появят вторичните трусове. Бяха използвани наблюдения, събрани от повече от 199 големи земетресения по света, състоящи се от около 131,000 XNUMX двойки главни и вторични трусове. Тази информация беше комбинирана с базиран на физика модел, който описва как Земя би било напрегнато и напрегнато след ан земетресение което след това ще предизвика вторични трусове. Те създадоха мрежи от 5 квадратни километра, в рамките на които системата ще проверява за вторичен трус. След това невронната мрежа ще формира връзки между щамовете, причинени от основното земетресение, и местоположението на вторичните трусове. След като системата на невронната мрежа беше добре обучена по този начин, тя успя да предскаже точно местоположението на вторичните трусове. Проучването беше изключително предизвикателно, тъй като използваше сложни данни от реалния свят за земетресения. Изследователите алтернативно създават изкуствен и вид „идеални“ земетресения за създаване на прогнози и след това разглеждане на прогнозите. Разглеждайки изхода на невронната мрежа, те се опитаха да анализират какви различни „количества“ вероятно ще контролират прогнозирането на вторични трусове. След като направиха пространствени сравнения, изследователите стигнаха до заключението, че типичен модел на вторични трусове е физически „интерпретируем“. Екипът предполага, че количество, наречено вторият вариант на напрежението на девиаторното напрежение - просто наречено J2 - държи ключа. Това количество е много интерпретируемо и се използва рутинно в металургията и други области, но никога преди не е било използвано за изучаване на земетресения.
Вторичните трусове от земетресения причиняват допълнителни наранявания, щети на имущество и също възпрепятстват спасителните усилия, поради което прогнозирането им би било животоспасяващо за човечеството. Прогнозата в реално време може да не е възможна точно в този момент, тъй като настоящите AI модели могат да се справят само с определен тип вторичен трус и проста линия на геоложки разлом. Това е важно, тъй като линиите на геоложки разломи имат различна геометрия в различно географско местоположение на планета. Така че в момента може да не е приложимо за различни видове земетресения по света. Въпреки това технологията за изкуствен интелект изглежда подходяща за земетресения поради n на брой променливи, които трябва да се вземат предвид при изучаването им, например силата на шока, позицията на тектоничните плочи и т.н.
Невронните мрежи са проектирани да се подобряват с течение на времето, т.е. тъй като повече данни се подават в системата, се извършва повече обучение и системата непрекъснато се подобрява. В бъдеще такава система може да бъде неразделна част от системите за прогнозиране, използвани от сеизмолозите. Планиращите могат също да прилагат спешни мерки, базирани на познания за поведението при земетресения. Екипът иска да използва технология за изкуствен интелект, за да предскаже степента на земетресения.
***
{Можете да прочетете оригиналната изследователска статия, като щракнете върху връзката DOI, дадена по-долу в списъка с цитирани източници}
Източник (и)
DeVries PMR et al. 2018. Задълбочено изучаване на модели на вторични трусове след големи земетресения. природа560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
