Doorbraak met machine learning biedt maanden van tevoren vroege waarschuwingen voor aardbevingen.

AmsterdamOnderzoekers van de Universiteit van Alaska Fairbanks en de Ludwig-Maximilians-Universität hebben ontdekt dat machine learning enkele maanden van tevoren grote aardbevingen kan voorspellen. Deze doorbraak zou de manier waarop we aardbevingen voorspellen kunnen veranderen en helpen de impact op mensen en gebouwen te verminderen.

Een team onder leiding van Társilo Girona van de UAF heeft ontdekt dat er kleine tektonische bewegingen plaatsvinden voorafgaand aan grote aardbevingen. Ze maakten gebruik van machine learning om gegevens van de aardbevingen van 2018 in Anchorage en 2019 in Ridgecrest, Californië te analyseren. Ze constateerden drie maanden voor deze aardbevingen ongebruikelijke seismische activiteit.

Belangrijke bevindingen uit het onderzoek:

• Gedurende ongeveer drie maanden trad er lage-magnitude seismiciteit op in 15% tot 25% van de getroffen gebieden.
• De kans op grote aardbevingen binnen 30 dagen was tot 85% verhoogd vlak voordat ze plaatsvonden.
• Lage-magnitude seismische activiteit onder 1,5 is een belangrijke indicator van naderende grote aardbevingen.

Onderzoek toont aan dat hogere vloeistofdruk in breuklijnen ervoor kan zorgen dat ze verschuiven, wat kleine trillingen veroorzaakt die duiden op op handen zijnde grote aardbevingen. Deze bevinding benadrukt de veranderingen in breukmechanica die optreden voorafgaand aan grote aardbevingen.

Het gebruik van machine learning in aardbevingsonderzoek is een belangrijke vooruitgang. Moderne seismische netwerken genereren enorme hoeveelheden data die nu nauwkeurig kunnen worden onderzocht op vroege waarschuwingssignalen. Machine learning helpt om patronen te ontdekken die mensen mogelijk over het hoofd zien. Snelle computers versnellen deze analyses, waardoor real-time monitoring mogelijk is.

Lees ook:

Vandaag · 02:56

Verrassende smaken: nieuwe fruitige draai aan kombucha

De implementatie van dergelijke voorspellingen kent verscheidene uitdagingen en roept zowel ethische als praktische vragen op:

• Valse alarmen kunnen onnodige paniek en economische verstoringen veroorzaken.
• Gemiste voorspellingen kunnen catastrofale gevolgen hebben.

Het algoritme ontwikkeld door Girona en Drymoni zal bijna in real-time worden getest om deze problemen op te lossen. Het is van belang om historische seismische gegevens van de gebieden waar het algoritme zal worden gebruikt, te analyseren om de nauwkeurigheid en betrouwbaarheid te garanderen.

Het nauwkeurig voorspellen van aardbevingen kan een groot verschil maken. Vroege waarschuwingssystemen kunnen mensen helpen gevaarlijke gebieden te verlaten, financiële verliezen beperken en levens redden. Maar het is cruciaal om deze informatie zorgvuldig te delen om het vertrouwen van het publiek te behouden.

Dit onderzoek introduceert een nieuwe manier om je op aardbevingen voor te bereiden met behulp van geavanceerde technologie. De combinatie van machinaal leren met traditionele aardbevingsstudies verbetert onze voorspellingen en reacties op deze natuurlijke gebeurtenissen.