Новий підхід штучного інтелекту може допомогти передбачити місце повторних поштовхів після землетрусу
An землетрус це явище, викликане каменем під землею в Земля земна кора раптово розривається навколо лінії геологічного розлому. Це викликає швидке вивільнення енергії, яка створює сейсмічні хвилі, які потім змушують землю тремтіти, і це відчуття, що ми впали під час землетрусу. Місце, де камінь розбивається, називається фокусом землетрус а місце над ним на землі називається «епіцентром». Виділена енергія вимірюється як магнітуда, шкала, яка описує, наскільки потужним був землетрус. Землетрус магнітудою 2 ледь відчутний і може бути зафіксований лише за допомогою чутливого спеціалізованого обладнання, тоді як землетрус магнітудою понад 8 може спричинити помітне дуже сильне тремтіння землі. Землетрус зазвичай супроводжується багатьма повторними поштовхами, що відбуваються за подібним механізмом і є однаково руйнівними, а їх інтенсивність і серйозність часто подібні до початкового землетрусу. Такі післяземрусні поштовхи виникають, як правило, протягом першої години або доби після основного землетрус. Прогнозування просторового розподілу афтершоків дуже складне.
Вчені сформулювали емпіричні закони, щоб описати розмір і час повторних поштовхів, але точно визначити їхнє місце все ще залишається проблемою. Дослідники Google і Гарвардського університету розробили новий підхід до оцінювання землетрус і прогнозування місця афтершоків за допомогою технології штучного інтелекту в їх дослідженні, опублікованому в природа. Вони спеціально використовували машинне навчання – аспект штучного інтелекту. У підході машинного навчання машина «вчиться» з набору даних і після отримання цих знань може використовувати цю інформацію, щоб робити прогнози щодо нових даних.
Дослідники вперше проаналізували базу даних глобальних землетрусів за допомогою алгоритмів глибокого навчання. Глибоке навчання — це передовий тип машинного навчання, в якому нейронні мережі намагаються імітувати процес мислення людського мозку. Далі вони прагнули вміти прогноз підземні поштовхи краще, ніж випадкові припущення, і спробуйте вирішити проблему «де» відбудуться підземні поштовхи. Було використано дані спостережень, зібрані за більш ніж 199 великими землетрусами в усьому світі, які складалися з приблизно 131,000 XNUMX пар основних поштовхів і афтершоків. Ця інформація була об’єднана з моделлю на основі фізики, яка описує, як Земля буде напруженим і напруженим після an землетрус який потім спричинить афтершоки. Вони створили сітку площею 5 квадратних кілометрів, у межах якої система перевірятиме наявність афтершоку. Тоді нейронна мережа формує зв’язки між деформаціями, спричиненими головним землетрусом, і розташуванням афтершоків. Після того, як нейронна мережева система була добре навчена таким чином, вона змогла точно передбачити місце афтершоків. Дослідження було надзвичайно складним, оскільки воно використовувало складні реальні дані про землетруси. Дослідники альтернативно створили штучний і своєрідні «ідеальні» землетруси для створення прогнозів, а потім вивчення прогнозів. Дивлячись на вихідні дані нейронної мережі, вони спробували проаналізувати, які різні «кількості», ймовірно, будуть контролювати прогнозування афтершоків. Провівши просторове порівняння, дослідники прийшли до висновку, що типова картина афтершоків фізично «інтерпретується». Команда припускає, що ключовою є величина, яка називається другим варіантом напруги девіаторного напруження — просто називається J2. Ця величина легко інтерпретується і зазвичай використовується в металургії та інших галузях, але ніколи раніше не використовувалася для вивчення землетрусів.
Афтершоки під час землетрусів спричиняють подальші травми, руйнують майно, а також перешкоджають рятувальним роботам, тому їх прогнозування врятувало б життя людства. Прогноз у реальному часі може бути неможливим на даний момент, оскільки поточні моделі штучного інтелекту можуть мати справу лише з певним типом афтершоку та простою лінією геологічного розлому. Це важливо, оскільки геологічні розломи мають різну геометрію в різних географічних положеннях планета. Отже, наразі це може бути незастосовним до різних типів землетрусів у всьому світі. Тим не менш, технологія штучного інтелекту виглядає придатною для землетрусів через кількість змінних, які необхідно враховувати при їх вивченні, наприклад силу поштовху, положення тектонічних плит тощо.
Нейронні мережі розроблені так, щоб з часом удосконалюватися, тобто в міру надходження в систему більше даних відбувається більше навчання і система постійно вдосконалюється. У майбутньому така система може стати невід’ємною частиною систем прогнозування, які використовуються сейсмологами. Планувальники можуть також вжити надзвичайних заходів на основі знань про поведінку землетрусу. Команда хоче використовувати технологію штучного інтелекту для прогнозування потужності землетрусів.
***
{Ви можете прочитати оригінальну дослідницьку роботу, натиснувши посилання DOI, наведене нижче в списку цитованих джерел(ів)}
Джерела
DeVries PMR та ін. 2018. Глибоке вивчення моделей афтершоків після великих землетрусів. природа560 (7720).
https://doi.org/10.1038/s41586-018-0438-y
***
