РЕКЛАМА

Нов метод, който може да помогне за прогнозиране на вторични трусове от земетресение

НАУКИЗЕМНА НАУКАНов метод, който може да помогне за прогнозиране на вторични трусове от земетресение

Нов подход с изкуствен интелект може да помогне да се предвиди местоположението на вторични трусове след земетресение

An земетресение е явление, причинено, когато скала под земята в земната кора внезапно се счупи около линия на геоложки разлом. Това причинява бързо освобождаване на енергия, което произвежда сеизмични вълни, които след това карат земята да се разклаща и това е усещането, което паднахме по време на земетресение. Мястото, където скалата се счупва, се нарича огнище на земетресението, а мястото над него на земята се нарича „епицентър“. Освободената енергия се измерва като магнитуд, скала, която описва колко енергично е било земетресението. Земетресение с магнитуд 2 е едва забележимо и може да бъде записано само с помощта на чувствително специализирано оборудване, докато земетресения с магнитуд над 8 могат да причинят забележимо 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 тежест са подобни на първоначалното земетресение. Такива трусове след земетресение се появяват обикновено в рамките на първия час или един ден след основното земетресение. Прогнозирането на пространственото разпределение на вторични трусове е много предизвикателство.

Учените са формулирали емпирични закони, за да опишат размера и времето на вторични трусове, но определянето на тяхното местоположение все още е предизвикателство. Изследователи от Google и Харвардския университет са разработили нов подход за оценка на земетресенията и прогнозиране на местоположението на вторични трусове с помощта на технология за изкуствен интелект в своето 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-добре от произволно отгатване и се опитайте да разрешите проблема „къде“ ще възникнат вторични трусове. Използвани са наблюдения, събрани от повече от 199 големи земетресения по света, състоящи се от около 131,000 5 двойки основен удар-афтершок. Тази информация беше комбинирана с базиран на физика модел, който описва как Земята ще бъде напрегната и напрегната след земетресение, което след това ще предизвика вторични трусове. Те създадоха XNUMX-километрови квадратни мрежи, в рамките на които системата ще проверява за вторичен трус. След това невронната мрежа ще формира връзки между напрежението, причинено от основното земетресение, и местоположението на вторични трусове. След като невронната мрежа беше добре обучена по този начин, тя успя да предскаже точно местоположението на вторични трусове. Проучването беше изключително предизвикателно, тъй като използваше сложни реални данни от земетресения. Изследователите алтернативно настроени 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, повреждат имотите и също така възпрепятстват спасителните усилия, следователно 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 обикновена геоложка линия на разлом. Това е важно, тъй като линиите на геоложки разломи имат различна геометрия в различно географско местоположение на планетата. Така че в момента може да не е приложимо за различни видове земетресения по света. Независимо от това, технологията на изкуствения интелект изглежда подходяща за земетресения поради n броя променливи, които трябва да се вземат предвид при изучаването им, например сила на удара, положение на тектонските плочи и др.

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

***

Екип на SCIEU
Екип на SCIEUhttps://www.ScientificEuropean.co.uk
Scientific European® | SCIEU.com | Значителен напредък в науката. Въздействие върху човечеството. Вдъхновяващи умове.

Абонирай се за нашия бюлетин

Да се ​​актуализира с всички най-нови новини, оферти и специални съобщения.

- Реклама -

Най-популярни статии

Диагностициране на дефицит на витамин D чрез тестване на проба от коса вместо кръвен тест

Проучването показва първата стъпка към разработването на тест за...

„Хипотеза на Брадикинин“ обяснява преувеличения възпалителен отговор при COVID-19

Нов механизъм за обяснение на различните несвързани симптоми...

Нов вариант „IHU“ (B.1.640.2), открит във Франция

Нов вариант, наречен "IHU" (нова линия на панголините...
- Реклама -
99,767Феновекато
69,705последователиСледвай ни
6,318последователиСледвай ни
31АбонатиЗапиши се